المهارات pufferlib
🎮

pufferlib

آمن ⚙️ الأوامر الخارجية⚡ يحتوي على سكربتات

تدريب وكلاء التعلم المعزز بسرعة

متاح أيضًا من: davila7

يتطلب تدريب وكلاء التعلم المعزز بيئات متوازية عالية الأداء وخوارزميات فعالة. يوفر PufferLib تدريب PPO+LSTM مُحسّن مع تسارع 2-10x من خلال التوجيه، ومخازن الذاكرة المشتركة، ودعم الوكلاء المتعددين.

يدعم: Claude Codex Code(CC)
🥈 78 فضي
1

تنزيل ZIP المهارة

2

رفع في Claude

اذهب إلى Settings → Capabilities → Skills → Upload skill

3

فعّل وابدأ الاستخدام

اختبرها

استخدام "pufferlib". Train PPO on CartPole with pufferlib

النتيجة المتوقعة:

  • Environment: gym-CartPole-v1 with 256 parallel envs
  • Policy: 2-layer MLP (256 hidden units) with layer_init
  • Training: 10,000 iterations, batch size 32768
  • Checkpoint: Saved to checkpoints/checkpoint_1000.pt
  • Final throughput: 1.2M steps/second on GPU

استخدام "pufferlib". Create multi-agent environment

النتيجة المتوقعة:

  • Multi-agent setup: 4 agents in cooperative navigation task
  • Observation space: Dict with position, goal, and other agent positions
  • Action space: 5 discrete actions (4 directions + stay)
  • Shared policy backbone for efficient learning
  • Training with PuffeRL at 800K steps/second

التدقيق الأمني

آمن
v4 • 1/17/2026

All 331 static findings are FALSE POSITIVES. This is a legitimate open-source reinforcement learning library. The static analyzer incorrectly flagged bash command examples in markdown documentation (SKILL.md, references/*.md) as dangerous backtick execution. No actual command injection, credential exfiltration, or malicious patterns exist in the codebase. Verified via grep - no hashlib, subprocess, or actual dangerous execution patterns found.

10
الملفات التي تم فحصها
5,444
الأسطر التي تم تحليلها
2
النتائج
4
إجمالي عمليات التدقيق

عوامل الخطر

⚙️ الأوامر الخارجية (6)
SKILL.md:33-269 references/integration.md:1-50 references/environments.md:1-30 references/training.md:1-50 references/policies.md:1-50 references/vectorization.md:1-50
⚡ يحتوي على سكربتات (2)
scripts/env_template.py:1-341 scripts/train_template.py:1-240
تم تدقيقه بواسطة: claude عرض سجل التدقيق →

درجة الجودة

68
الهندسة المعمارية
100
قابلية الصيانة
87
المحتوى
29
المجتمع
100
الأمان
91
الامتثال للمواصفات

ماذا يمكنك بناءه

معايير سريعة

تقييم الخوارزميات الجديدة بسرعة على بيئات Ocean مع معدل ملايين الخطوات في الثانية

تدريب بيئات الألعاب

تدريب الوكلاء على Atari أو Procgen أو NetHack مع توجيه مُحسّن وPPO فعال

فرق الوكلاء المتعاونين

بناء وتدريب أنظمة متعددة الوكلاء مع تكامل PettingZoo وخيارات السياسة المشتركة

جرّب هذه الموجهات

تدريب بيئي أساسي 
استخدم pufferlib لتدريب وكيل PPO على بيئة procgen-coinrun مع 256 بيئة متوازية. أظهر حلقة التدريب وكيفية حفظ نقاط التحقق.
بيئة مخصصة 
ساعدني في إنشاء PufferEnv مخصصة لمهمة عالم الشبكات مع 4 إجراءات منفصلة. أظهر تعريفات reset وstep ومساحة الملاحظة.
تدريب متعدد الوكلاء 
استخدم pufferlib لتدريب عدة وكلاء على بيئة PettingZoo. أظهر كيفية التعامل مع ملاحظات dict والسياسات المشتركة.
ضبط الأداء 
حسّن إعداد تدريب pufferlib للإنتاجية القصوى. ما إعدادات التوجيه والمعاملات الفائقة التي يجب أن أستخدمها لـ 4 GPUs؟

أفضل الممارسات

  • ابدأ ببيئات Ocean أو تكامل Gymnasium قبل بناء بيئات مخصصة
  • حدد الخطوات في الثانية مبكراً لتحديد الاختناقات قبل التوسع
  • استخدم torch.compile وCUDA للإنتاجية القصوى للتدريب

تجنب

  • تجنب استخدام CPU للتدريب واسع النطاق - استخدم GPU مع VRAM كافٍ
  • لا تتخطى التحقق من البيئة قبل التوسع إلى العديد من البيئات المتوازية
  • تجنب ترميز المعاملات الفائقة الثابت - استخدم وسائط CLI لقابلية إعادة الإنتاج

الأسئلة المتكررة

ما البيئات التي يدعمها pufferlib؟
Gymnasium وPettingZoo وAtari وProcgen وNetHack وMinigrid وNeural MMO وCrafter وأكثر من 20 بيئة من مجموعة Ocean.
ما مدى سرعة pufferlib مقارنة بالتنفيذات القياسية؟
يحقق تسارع 2-10x من خلال التوجيه المُحسّن والذاكرة المشتركة وتنفيذ PPO+LSTM الفعال.
هل يمكنني استخدام pufferlib مع بيئات مخصصة؟
نعم، نفّذ واجهة PufferEnv مع أساليب reset وstep ومساحات الملاحظة والإجراءات للحصول على أفضل أداء.
هل يدعم pufferlib تدريب GPU متعدد؟
نعم، استخدم torchrun مع --nproc_per_node لتدريب GPU متعدد وNCCNلتدريب موزع متعدد العقد.
ما أُطر التسجيل التي تتكامل مع pufferlib؟
تسجيلات Weights & Biases (wandb) وNeptune مُدمجة مع تكوين بسيط.
كيف أحفظ وأستأنف التدريب؟
استخدم trainer.save_checkpoint() وtrainer.load_checkpoint() مع تكرار حفظ دوري لاستئناف التدريب.

تفاصيل المطور

المؤلف

K-Dense-AI

الترخيص

MIT license

المستودع

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/pufferlib

مرجع

main

بنية الملفات

📁 references/

📄 environments.md

📄 integration.md

📄 policies.md

📄 training.md

📄 vectorization.md

📁 scripts/

📄 env_template.py

📄 train_template.py

📄 evaluation_result.json

📄 SKILL.md