库名称: stable-baselines3
标签:

• SpaceInvadersNoFrameskip-v4
• 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: 886.50 ± 417.30
      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: SpaceInvadersNoFrameskip-v4
      类型: SpaceInvadersNoFrameskip-v4

PPO 智能体在 SpaceInvadersNoFrameskip-v4 中的表现

这是一个经过训练的 PPO 智能体模型，用于在 SpaceInvadersNoFrameskip-v4 环境中进行游戏，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 SpaceInvadersNoFrameskip-v4 -orga sb3 -f logs/  
python enjoy.py --algo ppo --env SpaceInvadersNoFrameskip-v4 -f logs/  

训练（使用 RL Zoo）

python train.py --algo ppo --env SpaceInvadersNoFrameskip-v4 -f logs/  
# 上传模型并生成视频（如可能）  
python -m rl_zoo3.push_to_hub --algo ppo --env SpaceInvadersNoFrameskip-v4 -f logs/ -orga sb3  

超参数

OrderedDict([('batch_size', 256),  
             ('clip_range', 'lin_0.1'),  
             ('ent_coef', 0.01),  
             ('env_wrapper',  
              ['stable_baselines3.common.atari_wrappers.AtariWrapper']),  
             ('frame_stack', 4),  
             ('learning_rate', 'lin_2.5e-4'),  
             ('n_envs', 8),  
             ('n_epochs', 4),  
             ('n_steps', 128),  
             ('n_timesteps', 10000000.0),  
             ('policy', 'CnnPolicy'),  
             ('vf_coef', 0.5),  
             ('normalize', False)])