Ppo Hopper V3

🚀 Stable-Baselines3によるPPOエージェントのHopper-v3プレイ

このプロジェクトは、stable-baselines3ライブラリ と RL Zoo を用いて、PPO エージェントが Hopper-v3 をプレイするように学習させたモデルを提供します。RL Zooは、Stable Baselines3の強化学習エージェントの学習フレームワークで、ハイパーパラメータ最適化や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

このモデルを使用するには、以下の手順に従ってください。

📦 インストール

モデルのダウンロード

# 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 ppo --env Hopper-v3 -orga sb3 -f logs/
python enjoy.py --algo ppo --env Hopper-v3  -f logs/

モデルの学習

python train.py --algo ppo --env Hopper-v3 -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 ppo --env Hopper-v3 -f logs/ -orga sb3

💻 使用例

基本的な使用法

OrderedDict([('batch_size', 32),
             ('clip_range', 0.2),
             ('ent_coef', 0.00229519),
             ('gae_lambda', 0.99),
             ('gamma', 0.999),
             ('learning_rate', 9.80828e-05),
             ('max_grad_norm', 0.7),
             ('n_envs', 1),
             ('n_epochs', 5),
             ('n_steps', 512),
             ('n_timesteps', 1000000.0),
             ('normalize', True),
             ('policy', 'MlpPolicy'),
             ('policy_kwargs',
              'dict( log_std_init=-2, ortho_init=False, activation_fn=nn.ReLU, '
              'net_arch=[dict(pi=[256, 256], vf=[256, 256])] )'),
             ('vf_coef', 0.835671),
             ('normalize_kwargs', {'norm_obs': True, 'norm_reward': False})])

📚 ドキュメント

モデル情報