天授 是一个基于PyTorch的深度强化学习平台，目前实现的算法有：
- DQN :class:`~tianshou.policy.DQNPolicy` Deep Q-Network
- 双网络DQN :class:`~tianshou.policy.DQNPolicy` Double DQN
- C51 :class:`~tianshou.policy.C51Policy` Categorical DQN
- QR-DQN :class:`~tianshou.policy.QRDQNPolicy` Quantile Regression DQN
- Rainbow :class:`~tianshou.policy.RainbowPolicy` Rainbow DQN
- IQN :class:`~tianshou.policy.IQNPolicy` Implicit Quantile Network
- FQF :class:`~tianshou.policy.FQFPolicy` Fully-parameterized Quantile Function
- 策略梯度 :class:`~tianshou.policy.PGPolicy` Policy Gradient
- 自然策略梯度 :class:`~tianshou.policy.NPGPolicy` Natural Policy Gradient
- 优势动作评价 (A2C) :class:`~tianshou.policy.A2CPolicy` Advantage Actor-Critic
- 信任区域策略优化 (TRPO) :class:`~tianshou.policy.TRPOPolicy` Trust Region Policy Optimization
- 近端策略优化 (PPO) :class:`~tianshou.policy.PPOPolicy` Proximal Policy Optimization
- 深度确定性策略梯度 (DDPG) :class:`~tianshou.policy.DDPGPolicy` Deep Deterministic Policy Gradient
- 双延迟深度确定性策略梯度 (TD3) :class:`~tianshou.policy.TD3Policy` Twin Delayed DDPG
- 软动作评价 (SAC) :class:`~tianshou.policy.SACPolicy` Soft Actor-Critic
- 离散软动作评价 :class:`~tianshou.policy.DiscreteSACPolicy` Discrete Soft Actor-Critic
- 模仿学习 :class:`~tianshou.policy.ImitationPolicy` Imitation Learning
- BCQ :class:`~tianshou.policy.DiscreteBCQPolicy` Discrete Batch-Constrained deep Q-Learning
- CQL :class:`~tianshou.policy.DiscreteCQLPolicy` Discrete Conservative Q-Learning
- CRR :class:`~tianshou.policy.DiscreteCRRPolicy` Critic Regularized Regression
- 后验采样强化学习 (PSRL) :class:`~tianshou.policy.PSRLPolicy` Posterior Sampling Reinforcement Learning
- 优先级经验重放 (PER) :class:`~tianshou.data.PrioritizedReplayBuffer` Prioritized Experience Replay
- 广义优势函数估计器 (GAE) :meth:`~tianshou.policy.BasePolicy.compute_episodic_return` Generalized Advantage Estimator
天授还有如下特点：
- 实现优雅，使用4000多行代码即完全实现上述功能
- 目前为止实现效果最好的 MuJoCo benchmark
- 支持任意算法的多个环境（同步异步均可的）并行采样，详见 :ref:`parallel_sampling`
- 支持动作网络和价值网络使用循环神经网络（RNN）来实现，详见 :ref:`rnn_training`
- 支持自定义环境，包括任意类型的观测值和动作值（比如一个字典、一个自定义的类），详见 :ref:`self_defined_env`
- 支持自定义训练策略，详见 :ref:`customize_training`
- 支持 N-step bootstrap 采样方式 :meth:`~tianshou.policy.BasePolicy.compute_nstep_return` 和优先级经验重放 :class:`~tianshou.data.PrioritizedReplayBuffer` 在任意基于Q学习的算法上的应用；感谢numba jit的优化让GAE、nstep和PER运行速度变得巨快无比
- 支持多智能体学习，详见 :ref:`marl_example`
- 拥有全面的 单元测试，包括功能测试、完整训练流程测试、文档测试、代码风格测试和类型测试
与英文文档不同，中文文档提供了一个宏观层面的对天授平台的概览。（其实都是 毕业论文 里面弄出来的）
天授目前发布在 PyPI 和 conda-forge 中，需要Python版本3.6以上。
通过PyPI进行安装：
$ pip install tianshou通过conda进行安装：
$ conda install -c conda-forge tianshou还可以直接从GitHub源代码最新版本进行安装：
$ pip install git+https://github.com/thu-ml/tianshou.git@master --upgrade在安装完毕后，打开您的Python并输入
import tianshou print(tianshou.__version__)
如果没有异常出现，那么说明已经成功安装了。
.. toctree:: :maxdepth: 1 :caption: 教程 slide tutorials concepts benchmark cheatsheet
.. toctree:: :maxdepth: 2 :caption: 文档 docs/toc
.. toctree:: :maxdepth: 1 :caption: 贡献 contributing