Dqn PongNoFrameskip V4
これはDQNアルゴリズムに基づく強化学習モデルで、PongNoFrameskip-v4環境でのゲームプレイ専用に設計されています。
ダウンロード数 16
リリース時間 : 6/2/2022
モデル概要
このモデルはstable-baselines3ライブラリとRL Zooフレームワークでトレーニングされ、アタリゲームPongで安定したパフォーマンスを実現します。
モデル特徴
安定したゲームプレイ
PongNoFrameskip-v4環境で20.70の平均報酬スコアを達成
最適化されたハイパーパラメータ
学習率、探索戦略などの調整済みハイパーパラメータ組み合わせを使用
アタリ専用ラッパー
アタリ専用環境ラッパーを統合し、ゲームフレーム処理を最適化
モデル能力
アタリゲーム制御
強化学習意思決定
リアルタイムゲーム応答
使用事例
ゲームAI
PongゲームAI
Pongゲームの対戦AIとして、人間プレイヤーと対戦可能
平均報酬20.70点を達成
強化学習研究
DQNアルゴリズム検証
アタリゲームにおけるDQNアルゴリズムの性能検証に使用
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98