Coach 还支持其他调试和可视化方法，例如存储最佳场景的 GIF 动画，在游戏过程中显示动作值，等等。
使用
为方便用户使用 Coach，Intel 已经开放了 GitHub 信息库，然后按照的机器上安装 Coach 的说明进行操作即可。Intel 还提供了友好的帮助文件，在 GitHub 存储库 README 文档中有几个简单的例子，同时在官网还有一个更全面的使用和实现文档。
Coach 已经准备了超过 60 个预定义的预设、不同的代理和可用的环境。这些预设已经用于训练数百名 Agent，并经过验证以获得良好的业绩。但是，使用这些预设并不是强制性的，并且创建新的预设与选择现有代理和现有环境一样容易。
下一步，Intel 计划在未来的版本中增加更多算法和环境，如果你有任何建议和评论，可以在 Github 上进行互动。
雷锋网发现，目前不少巨头均推出了自己的深度学习框架，如 Google 的 TensorFlow、Amazon 的 MxNet、Facebook 的 Caffe 2 等。这些深度学习框架的流行降低了深度学习的门槛，让越来越多人开始参与到深度学习当中，但在降低门槛后如何提高训练的效率也成为了差异化的关键因素，这也是是多线程并行计算、多机器上的水平扩展甚至定制硬件最近开始得势的原因。
来自: 雷锋网
扩展阅读Intel发布专为机器学习而设计的Intel? Nervana?神经网络处理器，年底量产个人事务管理 Task Coach 1.3.2 发布
Python个人事务管理，Task Coach 1.3.9 发布
更多相关内容：
-
无相关信息