Agent
Coach 包含许多 Agent 类型的实现，包括从单线程实现到多线程实现的无缝转换。Agent 以模块化方式实现，以允许重用不同的构建块来构建新的和更复杂的代理。此外，Coach 可以在单个任务的基础上编写新的 Agent，并切换到同步或异步的多任务实现，并进行最少的更改。
在 Coach 中集成了过去几年引入的各种 Agent 类型的实现方式，这让用户解决具有不同需求和与代理交互的方式的环境，例如连续和离散的动作空间，视觉观察空间或仅包括原始测量的观察空间。
环境
Coach 使用 OpenAI Gym 作为与不同环境进行交互的主要工具。它还支持 Gym 的外部扩展，包括 Roboschool，gym-extensions 和 PyBullet, 其环境封装器可以添加更多的自定义环境，以解决更广泛的学习问题。
可视化
Intel 还发布了 Coach Dashboard 作为可视化和调试的补充工具。Dashboard 是 Coach 的一个图形用户界面，通过展示训练过程中的不同信号，可以让用户以简单易懂的方式比较不同方式运行的训练质量。在训练期间，Coach 可跟踪任何有意义的内部信息并存储，以便在执行期间和完成后可视化进度。
更多相关内容：
-
无相关信息