库名称: stable-baselines3
标签:

• LunarLanderContinuous-v2
• 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: 274.47 +/- 24.37
      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: LunarLanderContinuous-v2
      类型: LunarLanderContinuous-v2

PPO 智能体在 LunarLanderContinuous-v2 中的表现

这是一个经过训练的 PPO 智能体模型，用于在 LunarLanderContinuous-v2 环境中运行，使用了 stable-baselines3 库 和 RL Zoo。

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）

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 rl_zoo3.load_from_hub --algo ppo --env LunarLanderContinuous-v2 -orga sb3 -f logs/  
python enjoy.py --algo ppo --env LunarLanderContinuous-v2  -f logs/  

训练（使用 RL Zoo）

python train.py --algo ppo --env LunarLanderContinuous-v2 -f logs/  
# 上传模型并生成视频（如可能）  
python -m rl_zoo3.push_to_hub --algo ppo --env LunarLanderContinuous-v2 -f logs/ -orga sb3  

超参数

OrderedDict([('batch_size', 64),  
             ('ent_coef', 0.01),  
             ('gae_lambda', 0.98),  
             ('gamma', 0.999),  
             ('n_envs', 16),  
             ('n_epochs', 4),  
             ('n_steps', 1024),  
             ('n_timesteps', 1000000.0),  
             ('policy', 'MlpPolicy'),  
             ('normalize', False)])