Td3 Hopper V3

🚀 穩定基線3（Stable-Baselines3）TD3智能體在Hopper-v3環境中的應用

本項目展示了使用 穩定基線3庫 和 RL Zoo 訓練的 TD3 智能體在 Hopper-v3 環境中的表現。RL Zoo 是一個用於 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。

模型指標

🚀 快速開始

模型使用（藉助SB3 RL Zoo）

你可以按照以下步驟使用預訓練模型：

# 下載模型並保存到 logs/ 文件夾
python -m rl_zoo3.load_from_hub --algo td3 --env Hopper-v3 -orga sb3 -f logs/
python enjoy.py --algo td3 --env Hopper-v3  -f logs/

模型訓練（藉助RL Zoo）

若你想重新訓練模型，可執行以下命令：

python train.py --algo td3 --env Hopper-v3 -f logs/
# 上傳模型並生成視頻（若支持）
python -m rl_zoo3.push_to_hub --algo td3 --env Hopper-v3 -f logs/ -orga sb3

💻 使用示例

基礎用法

以下是使用預訓練模型的代碼示例：

# 下載模型並保存到 logs/ 文件夾
python -m rl_zoo3.load_from_hub --algo td3 --env Hopper-v3 -orga sb3 -f logs/
python enjoy.py --algo td3 --env Hopper-v3  -f logs/

高級用法

若你想重新訓練模型並上傳，可參考以下代碼：

python train.py --algo td3 --env Hopper-v3 -f logs/
# 上傳模型並生成視頻（若支持）
python -m rl_zoo3.push_to_hub --algo td3 --env Hopper-v3 -f logs/ -orga sb3

🔧 技術細節

超參數設置

以下是訓練該模型時使用的超參數：

OrderedDict([('batch_size', 256),
             ('gradient_steps', 1),
             ('learning_rate', 0.0003),
             ('learning_starts', 10000),
             ('n_timesteps', 1000000.0),
             ('policy', 'MlpPolicy'),
             ('train_freq', 1),
             ('normalize', False)])