你斗地主打得过AI吗？卡牌游戏的强化学习工具包RLCard来了！
项目名称： RLCard 项目作者： Daochen Zha 开源许可协议： MIT 项目地址：https://gitee.com/daochenzha/rlcard 项目简介 RLCard 是一款卡牌游戏强化学习 (Reinforcement Learning, RL) 的工具包。 它支持多种卡牌游戏环境，具有易于使用的接口，以用于实现各种强化学习和搜索算法。 RLCard 的目标是架起强化学习和非完全信息游戏之间的桥梁。 RLCard 由 DATA Lab at Texas A&M University 以及社区贡献者共同开发。 项目演示 除了斗地主外，它还支持多种卡牌游戏环境，包括二十一点、德州扑克、UNO、麻将等等。 示例 以下是一个小例子 import rlcard from rlcard.agents import RandomAgent env = rlcard.make('blackjack') env.set_agents([RandomAgent(num_actions=env.num_actions)]) print(env.num_actions) # 2 print(env.num_players) # 1 print(env.state_shape) # [[2]] print(env.action_shape) # [None] trajectories, payoffs = env.run() RLCard可以灵活地连接各种算法，参考以下例子： 小试随机智能体 Blackjack上的Deep-Q学习 在Leduc Hold'em上训练CFR(机会抽样) 与预训练Leduc模型游玩 在斗地主上训练DMC 评估智能体 支持算法 算法 释例 参考 深度蒙特卡洛（Deep Monte-Carlo，DMC） examples/run_dmc.py [论文] 深度Q学习 （Deep Q Learning, DQN） examples/run_rl.py [论文] 虚拟自我对局 （Neural Fictitious Self-Play，NFSP） examples/run_rl.py [论文] 虚拟遗憾最小化算法（Counterfactual Regret Minimization，CFR） examples/run_cfr.py [论文] 如果你想要亲手试一试这个工具包，那么就点击下面的链接前往项目主页看看吧：https://gitee.com/daochenzha/rlcard
