🚀 PPO智能體玩SeaquestNoFrameskip-v4
本項目是一個經過訓練的PPO智能體模型,使用stable-baselines3庫來玩SeaquestNoFrameskip-v4遊戲。該模型展示了深度強化學習在Atari遊戲中的應用效果。
✨ 主要特性
- 基於深度強化學習的PPO算法,在SeaquestNoFrameskip-v4遊戲中取得了良好的表現。
- 使用stable-baselines3庫進行訓練,該庫提供了豐富的工具和接口,方便模型的訓練和評估。
- 訓練過程通過WandB進行記錄和監控,可查看詳細的訓練報告。
📦 安裝指南
- 你需要使用
gym==0.19
,因為它包含Atari遊戲的ROM。
- 由於我們只使用了該遊戲中的可行動作,所以動作空間為6。
💻 使用示例
基礎用法
觀察你的智能體與環境的交互:
import os
import gym
from stable_baselines3 import PPO
from stable_baselines3.common.vec_env import VecNormalize
from stable_baselines3.common.env_util import make_atari_env
from stable_baselines3.common.vec_env import VecFrameStack
from huggingface_sb3 import load_from_hub, push_to_hub
checkpoint = load_from_hub("ThomasSimonini/ppo-SeaquestNoFrameskip-v4", "ppo-SeaquestNoFrameskip-v4.zip")
custom_objects = {
"learning_rate": 0.0,
"lr_schedule": lambda _: 0.0,
"clip_range": lambda _: 0.0,
}
model= PPO.load(checkpoint, custom_objects=custom_objects)
env = make_atari_env('SeaquestNoFrameskip-v4', n_envs=1)
env = VecFrameStack(env, n_stack=4)
obs = env.reset()
while True:
action, _states = model.predict(obs)
obs, rewards, dones, info = env.step(action)
env.render()
高級用法
以下是訓練模型的代碼示例:
import wandb
import gym
from stable_baselines3 import PPO
from stable_baselines3.common.env_util import make_atari_env
from stable_baselines3.common.vec_env import VecFrameStack, VecVideoRecorder
from stable_baselines3.common.callbacks import CheckpointCallback
from wandb.integration.sb3 import WandbCallback
from huggingface_sb3 import load_from_hub, push_to_hub
config = {
"env_name": "SeaquestNoFrameskip-v4",
"num_envs": 8,
"total_timesteps": int(10e6),
"seed": 2862830927,
}
run = wandb.init(
project="HFxSB3",
config = config,
sync_tensorboard = True,
monitor_gym = True,
save_code = True,
)
env = make_atari_env(config["env_name"], n_envs=config["num_envs"], seed=config["seed"])
print("ENV ACTION SPACE: ", env.action_space.n)
env = VecFrameStack(env, n_stack=4)
env = VecVideoRecorder(env, "videos", record_video_trigger=lambda x: x % 100000 == 0, video_length=2000)
model = PPO(policy = "CnnPolicy",
env = env,
batch_size = 256,
clip_range = 0.1,
ent_coef = 0.01,
gae_lambda = 0.9,
gamma = 0.99,
learning_rate = 2.5e-4,
max_grad_norm = 0.5,
n_epochs = 4,
n_steps = 128,
vf_coef = 0.5,
tensorboard_log = f"runs",
verbose=1,
)
model.learn(
total_timesteps = config["total_timesteps"],
callback = [
WandbCallback(
gradient_save_freq = 1000,
model_save_path = f"models/{run.id}",
),
CheckpointCallback(save_freq=10000, save_path='./seaquest',
name_prefix=config["env_name"]),
]
)
model.save("ppo-SeaquestNoFrameskip-v4.zip")
push_to_hub(repo_id="ThomasSimonini/ppo-SeaquestNoFrameskip-v4",
filename="ppo-SeaquestNoFrameskip-v4.zip",
commit_message="Added Seaquest trained agent")
📚 詳細文檔
評估結果
平均獎勵:1820.00 +/- 20.0
訓練報告:https://wandb.ai/simoninithomas/HFxSB3/reports/Atari-HFxSB3-Benchmark--VmlldzoxNjI3NTIy
信息表格
屬性 |
詳情 |
模型類型 |
PPO智能體 |
訓練數據 |
SeaquestNoFrameskip-v4遊戲環境 |
提示信息
⚠️ 重要提示
你需要使用gym==0.19
,因為它包含Atari遊戲的ROM。
💡 使用建議
由於在Colab上使用Python 3.7,而該智能體是使用Python 3.8訓練的,為避免Pickle錯誤,需要設置custom_objects
。