tennc /
webshell
This is a webshell open source project
96/100 healthRecently updatedPopularActive repositoryHas homepage
PHPMIT#asp#aspx#jsp#jspx
⑂ 5.6K forks◯ 0 issuesUpdated today
Project homepage ↗Loading repository data…
ShuaiBOnlyLoveEating / repository
GAIL
This project is an algorithm implementation and experimental platform focusing on the path planning of unmanned surface vessels (USVs). Utilizing advanced Reinforcement Learning (RL) and Imitation Learning (IL) techniques, it aims to enable USVs to navigate complex waters containing static or dynamic obstacles autonomously, safely, and efficiently.
Live repository statistics
★ 31Stars
⑂ 11Forks
◯ 0Open issues
◉ 31Watchers
56/100
OPENREPOHUB HEALTH SIGNAL
Mixed signals
A transparent discovery signal based on current public GitHub metadata.
Recent activity35% weight
72
Community adoption25% weight
29
Maintenance state20% weight
100
License clarity10% weight
0
Project information10% weight
35
This score does not audit code, security, maintainers, documentation quality, or suitability. Verify the repository and its current documentation before adoption.
README preview
USV 路径规划：基于强化学习与模仿学习
本项目是一个专注于无人水面艇（USV）路径规划的算法实现与实验平台。它利用先进的强化学习（RL）和模仿学习（IL）技术，旨在使 USV 能够自主、安全且高效地在包含静态或动态障碍物的复杂水域中导航。
🌟 功能特性
- 先进的算法实现:
- 强化学习 (RL): 实现了经典的 PPO (Proximal Policy Optimization) 算法，通过与环境的交互和试错来学习最优导航策略。
- 模仿学习 (IL): 包含 GAIL (Generative Adversarial Imitation Learning) 的相关模型检查点，可以从专家轨迹中学习导航行为。
- 可定制的仿真环境:
env.py文件定义了一个灵活的 USV 仿真环境，支持自定义地图、障碍物、USV 初始状态等。
- 丰富的可视化工具:
plot.py提供了强大的可视化功能，可以轻松绘制训练过程中的奖励曲线、成功率、航行轨迹、CPA (最近会遇距离) 等关键指标。
- 预训练模型:
- 项目提供了多个在不同环境下（如
env1,env4）训练好的 PPO 和 GAIL 模型检查点（.ckpt文件），可直接用于测试和评估。
- 项目提供了多个在不同环境下（如
📂 项目结构
gail_code/
├── env.py # 定义了强化学习环境（USV、障碍物、状态、动作、奖励等）
├── ppo.py # 实现了 PPO (Proximal Policy Optimization) 算法的训练与测试逻辑
├── plot.py # 用于绘制训练结果的脚本（奖励曲线、轨迹、CPA等）
├── env.pyc # Python 编译文件
├── *.ckpt # 预训练模型的检查点文件 (Checkpoint)
├── *.ipynb # 原始的 Jupyter Notebook 实验文件，用于快速验证和调试
└── __pycache__/ # Python 缓存目录
⚙️ 安装与环境配置
-
克隆仓库
git clone <your-repo-url> cd gail_code -
创建虚拟环境 (推荐)
python -m venv venv source venv/bin/activate # On Windows, use `venv\Scripts\activate` -
安装依赖 项目主要依赖 PyTorch, NumPy, Pandas 和 Matplotlib。您可以通过 pip 安装它们：
pip install torch numpy pandas matplotlib
🚀 使用指南
1. 训练新模型
您可以使用 ppo.py 脚本来从头开始训练一个新的 PPO 模型。
- 配置训练参数: 打开
ppo.py文件，找到if __name__ == "__main__":代码块。 - 修改参数: 在此代码块中，您可以设置环境名称 (
env_name)、学习率、训练回合数等超参数。确保restore设置为False。 - 开始训练: 在终端中运行以下命令：
训练日志将保存在python ppo.pyppo_<env_name>_log.csv中，模型检查点将根据save_model_freq的频率保存在.ckpt文件中。
2. 测试预训练模型
如果您想使用项目提供的预训练模型进行测试或演示：
- 配置测试参数: 打开
ppo.py文件，找到if __name__ == "__main__":代码块。 - 启用恢复模式:
- 将
restore变量设置为True。 - 将
checkpoint_path变量设置为您想要加载的模型文件路径，例如'env4_ppo.ckpt'。 - 您可以将
render变量设置为True来实时查看 USV 的导航过程（需要环境支持图形化渲染）。
- 将
- 运行测试:
脚本将加载指定的python ppo.py.ckpt文件，并运行测试。
3. 可视化训练结果
使用 plot.py 脚本可以方便地将训练数据转换成图表。
- 配置绘图参数: 打开
plot.py文件，找到main()函数。 - 指定文件: 修改
algo_name和env_name变量，以匹配您想要可视化的日志文件（例如，algo_name = 'ppo',env_name = 'env4'）。 - 生成图表:
该脚本会自动读取对应的python plot.py_log.csv和_rollout.csv文件，并生成奖励曲线、航行轨迹等图像，保存在项目根目录下。
🤝 贡献
我们欢迎任何形式的贡献！如果您有任何建议或发现了 bug，请随时提出 Issue 或提交 Pull Request。
📄 许可证
本项目采用 MIT License 开源。
ALGORITHMICALLY RELATED
Similar Open-Source Projects
Selected from shared topics, language and repository description—not editorial ratings.
★ 10.7K
py-why /
EconML
ALICE (Automated Learning and Intelligence for Causation and Economics) is a Microsoft Research project aimed at applying Artificial Intelligence concepts to economic decision making. One of its goals is to build a toolkit that combines state-of-the-art machine learning techniques with econometrics in order to bring automation to complex causal inference problems. To date, the ALICE Python SDK (econml) implements orthogonal machine learning algorithms such as the double machine learning work of Chernozhukov et al. This toolkit is designed to measure the causal effect of some treatment variable(s) t on an outcome variable y, controlling for a set of features x.
76/100 healthRecently updatedActive repositoryHas homepage
Jupyter NotebookNOASSERTION#causal-inference#causality#econometrics#economics
⑂ 817 forks◯ 417 issuesUpdated today
Project homepage ↗