Fiber：面向强化学习与基于种群方法的的高效开发与分布式训练平台
机器学习
2020-03-26 v1 机器学习
摘要
机器学习近期的进展持续得益于日益增长的计算量。尤其是强化学习（RL）与基于种群的方法，对底层分布式计算框架的效率和灵活性提出了独特挑战。这些挑战包括与仿真频繁交互、动态扩展需求，以及需要采用成本低且在不同后端间一致的用户接口。本文在引入 Fiber（一个面向 RL 与基于种群方法的可扩展分布式计算框架）的同时应对这些挑战，且仍保持研究与实用应用中的开发效率与灵活性。Fiber 旨在显著扩大大规模并行计算对原本复杂的 RL 与基于种群方法用户的可及性，而无需专门的算力专业知识。
引用
@article{arxiv.2003.11164,
title = {Fiber: A Platform for Efficient Development and Distributed Training for Reinforcement Learning and Population-Based Methods},
author = {Jiale Zhi and Rui Wang and Jeff Clune and Kenneth O. Stanley},
journal= {arXiv preprint arXiv:2003.11164},
year = {2020}
}