库名称: stable-baselines3
标签:

• Pendulum-v1
• 深度强化学习
• 强化学习
• stable-baselines3
  模型索引:
• 名称: PPO
  结果:
  • 指标:
    • 类型: 平均奖励
      值: -227.99 +/- 144.65
      名称: 平均奖励
      任务:
      类型: 强化学习
      名称: 强化学习
      数据集:
      名称: Pendulum-v1
      类型: Pendulum-v1

PPO 智能体在 Pendulum-v1 中的表现

这是一个经过训练的 PPO 智能体模型，使用 stable-baselines3 库 和 RL Zoo 在 Pendulum-v1 环境中进行训练。

RL Zoo 是一个用于 Stable Baselines3 强化学习智能体的训练框架，包含超参数优化和预训练智能体。

使用方法（与 SB3 RL Zoo 配合使用）

RL Zoo: https://github.com/DLR-RM/rl-baselines3-zoo

SB3: https://github.com/DLR-RM/stable-baselines3

SB3 Contrib: https://github.com/Stable-Baselines-Team/stable-baselines3-contrib

# 下载模型并保存到 logs/ 文件夹  
python -m utils.load_from_hub --algo ppo --env Pendulum-v1 -orga ernestumorga -f logs/  
python enjoy.py --algo ppo --env Pendulum-v1 -f logs/  

训练（使用 RL Zoo）

python train.py --algo ppo --env Pendulum-v1 -f logs/  
# 上传模型并生成视频（如果可能）  
python -m utils.push_to_hub --algo ppo --env Pendulum-v1 -f logs/ -orga ernestumorga  

超参数

OrderedDict([('clip_range', 0.2),  
             ('ent_coef', 0.0),  
             ('gae_lambda', 0.95),  
             ('gamma', 0.9),  
             ('learning_rate', 0.001),  
             ('n_envs', 4),  
             ('n_epochs', 10),  
             ('n_steps', 1024),  
             ('n_timesteps', 100000.0),  
             ('policy', 'MlpPolicy'),  
             ('sde_sample_freq', 4),  
             ('use_sde', True),  
             ('normalize', False)])