Ppo MountainCar V0

🚀 PPOエージェントによるMountainCar - v0のプレイ

このモデルは、[stable - baselines3ライブラリ](https://github.com/DLR - RM/stable - baselines3) と [RL Zoo](https://github.com/DLR - RM/rl - baselines3 - zoo) を使用して、MountainCar - v0をプレイするように学習されたPPOエージェントのモデルです。RL Zooは、Stable Baselines3の強化学習エージェント用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

💻 使用例

基本的な使用法

# モデルをダウンロードしてlogs/フォルダに保存する
python -m rl_zoo3.load_from_hub --algo ppo --env MountainCar-v0 -orga sb3 -f logs/
python enjoy.py --algo ppo --env MountainCar-v0  -f logs/

高度な使用法

python train.py --algo ppo --env MountainCar-v0 -f logs/
# モデルをアップロードし、可能であればビデオを生成する
python -m rl_zoo3.push_to_hub --algo ppo --env MountainCar-v0 -f logs/ -orga sb3

🔧 技術詳細

ハイパーパラメータ

OrderedDict([('ent_coef', 0.0),
             ('gae_lambda', 0.98),
             ('gamma', 0.99),
             ('n_envs', 16),
             ('n_epochs', 4),
             ('n_steps', 16),
             ('n_timesteps', 1000000.0),
             ('normalize', True),
             ('policy', 'MlpPolicy'),
             ('normalize_kwargs', {'norm_obs': True, 'norm_reward': False})])

📄 モデル情報