Dqn SpaceInvadersNoFrameskip V4

🚀 DQN 智能體在 SpaceInvadersNoFrameskip-v4 遊戲中的應用

本項目是一個經過訓練的 DQN 智能體，它使用 stable-baselines3 庫 和 RL Zoo 在 SpaceInvadersNoFrameskip-v4 遊戲中進行遊戲。RL Zoo 是 Stable Baselines3 強化學習智能體的訓練框架，包含超參數優化和預訓練智能體。

🚀 快速開始

本項目展示瞭如何使用預訓練的 DQN 智能體在 SpaceInvadersNoFrameskip-v4 環境中進行遊戲，同時也提供了訓練新模型的方法。

✨ 主要特性

• 使用 DQN 算法在 SpaceInvadersNoFrameskip-v4 環境中進行訓練。
• 利用 RL Zoo 框架進行訓練和評估。
• 提供預訓練模型和訓練腳本。

📦 安裝指南

安裝 RL Zoo（包含 SB3 和 SB3-Contrib）

pip install rl_zoo3

💻 使用示例

基礎用法

# 下載模型並保存到 logs/ 文件夾
python -m rl_zoo3.load_from_hub --algo dqn --env SpaceInvadersNoFrameskip-v4 -orga ThomasSimonini -f logs/
python -m rl_zoo3.enjoy --algo dqn --env SpaceInvadersNoFrameskip-v4  -f logs/

高級用法

如果你已經通過 pip install rl_zoo3 安裝了 RL Zoo3，那麼可以在任何位置執行以下命令：

python -m rl_zoo3.load_from_hub --algo dqn --env SpaceInvadersNoFrameskip-v4 -orga ThomasSimonini -f logs/
python -m rl_zoo3.enjoy --algo dqn --env SpaceInvadersNoFrameskip-v4  -f logs/

📚 詳細文檔

訓練模型

python -m rl_zoo3.train --algo dqn --env SpaceInvadersNoFrameskip-v4 -f logs/
# 上傳模型並生成視頻（如果可能）
python -m rl_zoo3.push_to_hub --algo dqn --env SpaceInvadersNoFrameskip-v4 -f logs/ -orga ThomasSimonini

超參數設置

OrderedDict([('batch_size', 32),
             ('buffer_size', 100000),
             ('env_wrapper',
              ['stable_baselines3.common.atari_wrappers.AtariWrapper']),
             ('exploration_final_eps', 0.01),
             ('exploration_fraction', 0.1),
             ('frame_stack', 4),
             ('gradient_steps', 1),
             ('learning_rate', 0.0001),
             ('learning_starts', 100000),
             ('n_timesteps', 10000000.0),
             ('optimize_memory_usage', False),
             ('policy', 'CnnPolicy'),
             ('target_update_interval', 1000),
             ('train_freq', 4),
             ('normalize', False)])

環境參數

{'render_mode': 'rgb_array'}

🔧 技術細節