Ppo HalfCheetah V3

🚀 PPO 智能體玩轉 HalfCheetah-v3

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 HalfCheetah-v3 遊戲。

RL Zoo 是一個用於 Stable Baselines3 強化學習智能體的訓練框架，它包含超參數優化和預訓練智能體。

🚀 快速開始

本模型藉助 stable-baselines3 庫 和 RL Zoo 訓練而成。下面為你介紹如何使用和訓練該模型。

📦 安裝指南

使用本項目前，請確保你已安裝以下依賴：

• 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

💻 使用示例

基礎用法

以下代碼展示瞭如何從模型中心下載模型並運行：

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

高級用法

以下代碼展示瞭如何使用 RL Zoo 訓練模型並將其上傳到模型中心：

# 使用 RL Zoo 進行訓練
python train.py --algo ppo --env HalfCheetah-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 HalfCheetah-v3 -f logs/ -orga sb3

🔧 技術細節

模型指標

超參數

OrderedDict([('batch_size', 64),
             ('clip_range', 0.1),
             ('ent_coef', 0.000401762),
             ('gae_lambda', 0.92),
             ('gamma', 0.98),
             ('learning_rate', 2.0633e-05),
             ('max_grad_norm', 0.8),
             ('n_envs', 1),
             ('n_epochs', 20),
             ('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', 0.58096),
             ('normalize_kwargs', {'norm_obs': True, 'norm_reward': False})])