cleanrl

CleanRL 是一个高质量的深度强化学习算法单文件实现库，提供 PPO、DQN、SAC 等 7+ 主流算法的简洁、可读、可复现参考实现。核心特点是每个算法与环境组合（如 PPO+Atari）封装在单一 Python 文件中，代码精简（平均约 300–400 行），内置 TensorBoard 日志、W&B 实验追踪、游戏视频录制、确定性种子控制及云平台（AWS Batch）扩展支持。适用于强化学习教学、算法复现、基准测试与中小型研究实验，尤其适合需要快速验证或深入理解算法细节的研究者与工程师。