PPO LunarLander V2

🚀 PPOエージェントによるLunarLander - v2のプレイ

このモデルは、[stable - baselines3ライブラリ](https://github.com/DLR - RM/stable - baselines3)を使用してLunarLander - v2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。

🚀 クイックスタート

📦 インストール

stable - baselines3とhuggingface_sb3をインストールすると、このモデルを簡単に使用できます。

pip install stable-baselines3
pip install huggingface_sb3

💻 使用例

基本的な使用法

import gym

from huggingface_sb3 import load_from_hub
from stable_baselines3 import PPO
from stable_baselines3.common.evaluation import evaluate_policy

# モデルをハブから取得
## repo_id = Hugging Face HubのモデルリポジトリのID (repo_id = {organization}/{repo_name})
## filename = リポジトリ内のモデルzipファイルの名前
checkpoint = load_from_hub(repo_id="BioGeek/PPO-LunarLander-v2", filename="ppo-LunarLander-v2.zip")
model = PPO.load(checkpoint)

# エージェントを評価
eval_env = gym.make('LunarLander-v2')
mean_reward, std_reward = evaluate_policy(model, eval_env, n_eval_episodes=10, deterministic=True)
print(f"mean_reward={mean_reward:.2f} +/- {std_reward}")
 
# エージェントのプレイを見る
obs = eval_env.reset()
for i in range(1000):
    action, _state = model.predict(obs)
    obs, reward, done, info = eval_env.step(action)
    eval_env.render()
    if done:
        obs = eval_env.reset()
eval_env.close()

📚 詳細ドキュメント