Dqn SpaceInvadersNoFrameskip V4

🚀 穩定基線3（Stable-Baselines3）DQN模型

這是一個使用穩定基線3（Stable-Baselines3）庫訓練的深度Q網絡（DQN）智能體，用於玩《太空侵略者無跳幀版（SpaceInvadersNoFrameskip-v4）》遊戲，展示了深度強化學習在遊戲領域的應用。

🚀 快速開始

本項目是一個經過訓練的深度Q網絡（DQN） 智能體，用於玩**《太空侵略者無跳幀版（SpaceInvadersNoFrameskip-v4）》** 遊戲。它使用了穩定基線3（Stable-Baselines3）庫和強化學習動物園（RL Zoo）。

強化學習動物園（RL Zoo）是一個用於穩定基線3（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。

📦 安裝指南

下載模型

# 下載模型並保存到logs/文件夾中
python -m rl_zoo3.load_from_hub --algo dqn --env SpaceInvadersNoFrameskip-v4 -orga sb3 -f logs/

運行模型

python enjoy.py --algo dqn --env SpaceInvadersNoFrameskip-v4  -f logs/

訓練模型

python train.py --algo dqn --env SpaceInvadersNoFrameskip-v4 -f logs/

上傳模型並生成視頻（如果可能）

python -m rl_zoo3.push_to_hub --algo dqn --env SpaceInvadersNoFrameskip-v4 -f logs/ -orga sb3

💻 使用示例

基礎用法

# 下載模型並保存到logs/文件夾中
python -m rl_zoo3.load_from_hub --algo dqn --env SpaceInvadersNoFrameskip-v4 -orga sb3 -f logs/
python enjoy.py --algo dqn --env SpaceInvadersNoFrameskip-v4  -f logs/

高級用法

# 訓練模型
python train.py --algo dqn --env SpaceInvadersNoFrameskip-v4 -f logs/
# 上傳模型並生成視頻（如果可能）
python -m rl_zoo3.push_to_hub --algo dqn --env SpaceInvadersNoFrameskip-v4 -f logs/ -orga sb3

🔧 技術細節

超參數

OrderedDict([('batch_size', 32),
             ('buffer_size', 10000),
             ('env_wrapper',
              ['stable_baselines3.common.atari_wrappers.AtariWrapper']),
             ('exploration_final_eps', 0.01),
             ('exploration_fraction', 0.1),
             ('frame_stack', 4),
             ('gradient_steps', 1),
             ('learning_rate', 0.0001),
             ('learning_starts', 100000),
             ('n_timesteps', 10000000.0),
             ('optimize_memory_usage', True),
             ('policy', 'CnnPolicy'),
             ('target_update_interval', 1000),
             ('train_freq', 4),
             ('normalize', False)])

模型指標