Dqn CartPole V1

🚀 DQNエージェントによるCartPole-v1のプレイ

このモデルは、stable-baselines3ライブラリとRL Zooを使用して、CartPole-v1をプレイするように学習されたDQNエージェントです。

RL Zooは、Stable Baselines3の強化学習エージェントのトレーニングフレームワークで、ハイパーパラメータ最適化と事前学習済みエージェントが含まれています。

🚀 クイックスタート

📦 インストール

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

💻 使用例

基本的な使用法

# モデルをダウンロードしてlogs/フォルダに保存
python -m rl_zoo3.load_from_hub --algo dqn --env CartPole-v1 -orga sb3 -f logs/
python enjoy.py --algo dqn --env CartPole-v1  -f logs/

高度な使用法

python train.py --algo dqn --env CartPole-v1 -f logs/
# モデルをアップロードし、可能な場合はビデオを生成
python -m rl_zoo3.push_to_hub --algo dqn --env CartPole-v1 -f logs/ -orga sb3

🔧 技術詳細

ハイパーパラメータ

OrderedDict([('batch_size', 64),
             ('buffer_size', 100000),
             ('exploration_final_eps', 0.04),
             ('exploration_fraction', 0.16),
             ('gamma', 0.99),
             ('gradient_steps', 128),
             ('learning_rate', 0.0023),
             ('learning_starts', 1000),
             ('n_timesteps', 50000.0),
             ('policy', 'MlpPolicy'),
             ('policy_kwargs', 'dict(net_arch=[256, 256])'),
             ('target_update_interval', 10),
             ('train_freq', 256),
             ('normalize', False)])

📚 詳細ドキュメント