Ppo Hopper V3

🚀 PPO 智能體玩轉 Hopper-v3

本項目是一個經過訓練的 PPO 智能體，它藉助 stable-baselines3 庫 和 RL Zoo 來玩 Hopper-v3 遊戲。RL Zoo 是一個針對 Stable Baselines3 強化學習智能體的訓練框架，其中包含超參數優化和預訓練智能體。

🚀 快速開始

運行已訓練模型（使用 SB3 RL Zoo）

RL Zoo: https://github.com/DLR-RM/rl-baselines3-zoo
SB3: https://github.com/DLR-RM/stable-baselines3
SB3 Contrib: 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 Hopper-v3 -orga sb3 -f logs/
python enjoy.py --algo ppo --env Hopper-v3  -f logs/

模型訓練（使用 RL Zoo）

python train.py --algo ppo --env Hopper-v3 -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 Hopper-v3 -f logs/ -orga sb3

📦 安裝指南

文檔未提及具體安裝步驟，可參考相關庫的官方文檔進行安裝：

• stable-baselines3
• RL Zoo

💻 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 Hopper-v3 -orga sb3 -f logs/
python enjoy.py --algo ppo --env Hopper-v3  -f logs/

高級用法

# 模型訓練
python train.py --algo ppo --env Hopper-v3 -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 Hopper-v3 -f logs/ -orga sb3

🔧 技術細節

超參數

OrderedDict([('batch_size', 32),
             ('clip_range', 0.2),
             ('ent_coef', 0.00229519),
             ('gae_lambda', 0.99),
             ('gamma', 0.999),
             ('learning_rate', 9.80828e-05),
             ('max_grad_norm', 0.7),
             ('n_envs', 1),
             ('n_epochs', 5),
             ('n_steps', 512),
             ('n_timesteps', 1000000.0),
             ('normalize', True),
             ('policy', 'MlpPolicy'),
             ('policy_kwargs',
              'dict( log_std_init=-2, ortho_init=False, activation_fn=nn.ReLU, '
              'net_arch=[dict(pi=[256, 256], vf=[256, 256])] )'),
             ('vf_coef', 0.835671),
             ('normalize_kwargs', {'norm_obs': True, 'norm_reward': False})])

📚 詳細文檔