库名称: stable-baselines3
标签:

• LunarLander-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: 271.97 +/- 16.91
      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: LunarLander-v2
      类型: LunarLander-v2

PPO 智能体在 LunarLander-v2 中的表现

这是一个经过训练的 PPO 智能体模型，使用 stable-baselines3 库 在 LunarLander-v2 环境中运行。

使用方法（与 Stable-baselines3 配合使用）

安装 stable-baselines3 和 huggingface_sb3 后，使用此模型非常简单：

pip install stable-baselines3  
pip install huggingface_sb3  

然后，可以按以下方式使用模型：

import gym  

from huggingface_sb3 import load_from_hub  
from stable_baselines3 import PPO  
from stable_baselines3.common.evaluation import evaluate_policy  

# 从 Hub 获取模型  
## repo_id = Hugging Face Hub 上的模型仓库 ID（repo_id = {组织名}/{仓库名}）  
## filename = 仓库中模型压缩文件的名称  
checkpoint = load_from_hub(repo_id="BioGeek/PPO-LunarLander-v2", filename="ppo-LunarLander-v2.zip")  
model = PPO.load(checkpoint)  

# 评估智能体  
eval_env = gym.make('LunarLander-v2')  
mean_reward, std_reward = evaluate_policy(model, eval_env, n_eval_episodes=10, deterministic=True)  
print(f"平均奖励={mean_reward:.2f} +/- {std_reward}")  

# 观看智能体运行  
obs = eval_env.reset()  
for i in range(1000):  
    action, _state = model.predict(obs)  
    obs, reward, done, info = eval_env.step(action)  
    eval_env.render()  
    if done:  
        obs = eval_env.reset()  
eval_env.close()