# \#에이전트-학습

**URL:** https://discuss.pytorch.kr/tag/167-tag/167.md

[최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md)

---

## [4,000배 가량 빠르게 학습 가능한 PureJaxRL](https://discuss.pytorch.kr/t/4-000-purejaxrl/1370)

<div class="topic-metadata">

**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 1\
**마지막 업데이트:** [4월 7, 2023, 8:45오전 UTC](https://discuss.pytorch.kr/t/4-000-purejaxrl/1370 "2023-04-07T08:45:42Z")

</div>

제목이 다소 자극적;;입니다만 아래와 같이 원문의 제목을 따온거니 양해 부탁드립니다 :bowing\_man: 강화학습쪽은 경험해보지 못했는데, 제목에 솔깃하기도 하고 Jax에는 관심이 있어서 한 번 읽어보려고 합니다. 언제나처럼 읽어야 하는 문서 큐에 넣고 잊을거 같기도 합니다;; :sweat\_smile: 관심있는 분들께서는 아래 바로가기를 참고해주세요~ Achieving 4000x Speedups and Meta-Evolving Discoveries with PureJaxRL 위(그리고 아래) 바로가기의 블로그 글 TL;DR 부분을 DeepL로 번역해보았습니다. We can leverage recent advancements in JAX to train parallelised RL agents over 4000x faster entirely on GPUs. Unlike past RL implementations, ours is written end-to-end in Jax. This enables RL researchers to do things like: :person\_running: Efficiently run tons of seeds in parallel on one GPU :laptop: Perform rapid hyperparameter tuning :lizard: Discover new RL algorithms with meta-evolution The simple, self-contained code is here: GitHub - luchris429/purejaxrl: Really Fast End-to-End Jax RL Implementations. 최근 JAX의 발전된 기능을 활용하여 전적으로 GPU에서 4000배 이상 빠르게 병렬화된 RL 에이전트를 훈련할 수 있습니다. 과거의 RL 구현과 달리, 저희는 엔드투엔드로 JAX로 작성되었습니다. 이를 통해 RL 연구자들은 다음과 같은 작업을 수행할 수 있습니다: …