evostra 是模型训练领域的开源项目，由 alirezamika 开发，2017 年首次发布。
它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 271。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-07。MIT许可证，完全免费，无付费版本。
它主要面向的使用场景是：强化学习中的策略搜索（如连续控制任务）。同类可对比的替代方案包括 pycma、evosax、ES-optimization。
evostra
用 Python 快速实现进化策略，轻松训练强化学习模型
evostra 是一个用 Python 实现的快速进化策略（Evolution Strategy, ES）库。它解决了传统进化算法实现复杂、运行慢的问题，提供简洁易用的 API，让用户能够快速构建和训练基于进化策略的强化学习模型。核心能力包括：支持多种 ES 变体（如 CMA-ES、Simple ES 等）、并行计算加速、与 OpenAI Gym 环境无缝集成，以及轻量级设计，便于嵌入现有项目。通过向量化操作和并行采样，evostra 在保持低代码复杂度的同时，显著提升了训练效率，适合用于解决连续控制、参数优化等强化学习任务。
开源
free
学习教育
GitHub 星标
★ 271
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类学习教育
开发团队alirezamika
所属国家
定价模式free
价格说明开源项目，MIT许可证，完全免费，无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型ai,ai-learning,artificial-intelligence,deep-learning,evolution-strategies,evolutionary-algorithms,machine-learning,python,reinforcement-learning
GitHub 星标★ 271
30天Star增速
HF 下载量
上线时间2017-06-16 00:00:00
最近更新2026-09-07 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5
使用教程
核心亮点
- API 设计简洁，几行代码即可定义并运行进化策略优化
- 内置多种 ES 算法（如 SimpleES、CMAES），可灵活切换
- 支持并行评估，利用多核 CPU 加速训练过程
不足之处
- 文档和示例相对较少，新手上手可能需要参考源码
- 项目维护不活跃，可能不支持最新 Python 版本或依赖
适用场景
- 强化学习中的策略搜索（如连续控制任务）
- 黑盒优化问题，如超参数调优
- 教学演示进化策略原理
替代项目
pycma、evosax、ES-optimization
项目介绍
同类项目推荐
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···