Dqn MountainCar V0

🚀 DQN 智能體在 MountainCar-v0 環境中的應用

本項目是一個經過訓練的 DQN 智能體，它在 MountainCar-v0 環境中進行學習和決策。該智能體藉助 stable-baselines3 庫 和 RL Zoo 實現。RL Zoo 是一個針對 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）

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 dqn --env MountainCar-v0 -orga sb3 -f logs/
python enjoy.py --algo dqn --env MountainCar-v0  -f logs/

模型訓練（藉助 RL Zoo）

若要重新訓練模型，可執行以下命令：

python train.py --algo dqn --env MountainCar-v0 -f logs/
# 上傳模型並生成視頻（若支持）
python -m rl_zoo3.push_to_hub --algo dqn --env MountainCar-v0 -f logs/ -orga sb3

📦 安裝指南

文檔中未明確提及安裝步驟，你可參考以下鏈接進行安裝：

• 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下載並使用預訓練模型：

# 下載模型並保存到 logs/ 文件夾
python -m rl_zoo3.load_from_hub --algo dqn --env MountainCar-v0 -orga sb3 -f logs/
python enjoy.py --algo dqn --env MountainCar-v0  -f logs/

高級用法

若你需要重新訓練模型並上傳，可使用以下命令：

python train.py --algo dqn --env MountainCar-v0 -f logs/
# 上傳模型並生成視頻（若支持）
python -m rl_zoo3.push_to_hub --algo dqn --env MountainCar-v0 -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', 128),
             ('buffer_size', 10000),
             ('exploration_final_eps', 0.07),
             ('exploration_fraction', 0.2),
             ('gamma', 0.98),
             ('gradient_steps', 8),
             ('learning_rate', 0.004),
             ('learning_starts', 1000),
             ('n_timesteps', 120000.0),
             ('policy', 'MlpPolicy'),
             ('policy_kwargs', 'dict(net_arch=[256, 256])'),
             ('target_update_interval', 600),
             ('train_freq', 16),
             ('normalize', False)])

模型評估指標