Ppo LunarLanderContinuous V2

🚀 PPO 智能體玩轉 LunarLanderContinuous-v2

本項目是一個經過訓練的 PPO 智能體，它使用 stable-baselines3 庫 和 RL Zoo 來玩 LunarLanderContinuous-v2 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

模型使用（藉助 SB3 RL Zoo）

RL Zoo 倉庫地址：https://github.com/DLR-RM/rl-baselines3-zoo
SB3 倉庫地址：https://github.com/DLR-RM/stable-baselines3
SB3 Contrib 倉庫地址：https://github.com/Stable-Baselines-Team/stable-baselines3-contrib

# 下載模型並保存到 logs/ 文件夾
python -m rl_zoo3.load_from_hub --algo ppo --env LunarLanderContinuous-v2 -orga sb3 -f logs/
python enjoy.py --algo ppo --env LunarLanderContinuous-v2  -f logs/

模型訓練（藉助 RL Zoo）

python train.py --algo ppo --env LunarLanderContinuous-v2 -f logs/
# 上傳模型並生成視頻（如果可能）
python -m rl_zoo3.push_to_hub --algo ppo --env LunarLanderContinuous-v2 -f logs/ -orga sb3

💻 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 ppo --env LunarLanderContinuous-v2 -orga sb3 -f logs/
python enjoy.py --algo ppo --env LunarLanderContinuous-v2  -f logs/

高級用法

# 訓練模型
python train.py --algo ppo --env LunarLanderContinuous-v2 -f logs/
# 上傳模型並生成視頻（如果可能）
python -m rl_zoo3.push_to_hub --algo ppo --env LunarLanderContinuous-v2 -f logs/ -orga sb3

🔧 技術細節

超參數設置

OrderedDict([('batch_size', 64),
             ('ent_coef', 0.01),
             ('gae_lambda', 0.98),
             ('gamma', 0.999),
             ('n_envs', 16),
             ('n_epochs', 4),
             ('n_steps', 1024),
             ('n_timesteps', 1000000.0),
             ('policy', 'MlpPolicy'),
             ('normalize', False)])

模型評估指標