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: -230.42 +/- 142.54 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，用于在 Pendulum-v1 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 Pendulum-v1 -orga sb3 -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 rl_zoo3.push_to_hub --algo ppo --env Pendulum-v1 -f logs/ -orga sb3

from stable_baselines3 import PPO
from stable_baselines3.common.env_util import make_vec_env

# 创建环境
env_id = "Pendulum-v1"
env = make_vec_env(env_id, n_envs=1)

# 实例化智能体
model = PPO(
    "MlpPolicy",
    env,
    gamma=0.98,
    # 使用 https://proceedings.mlr.press/v164/raffin22a.html
    use_sde=True,
    sde_sample_freq=4,
    learning_rate=1e-3,
    verbose=1,
)

# 训练智能体
model.learn(total_timesteps=int(1e5))

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)])