Ppo LunarLanderContinuous V2

🚀 PPO 智能体玩转 LunarLanderContinuous-v2

本项目是一个经过训练的 PPO 智能体，它使用 stable-baselines3 库 和 RL Zoo 来玩 LunarLanderContinuous-v2 游戏。RL Zoo 是 Stable Baselines3 强化学习智能体的训练框架，包含超参数优化和预训练智能体。

🚀 快速开始

模型使用（借助 SB3 RL Zoo）

RL Zoo 仓库地址：https://github.com/DLR-RM/rl-baselines3-zoo
SB3 仓库地址：https://github.com/DLR-RM/stable-baselines3
SB3 Contrib 仓库地址：https://github.com/Stable-Baselines-Team/stable-baselines3-contrib

# 下载模型并保存到 logs/ 文件夹
python -m rl_zoo3.load_from_hub --algo ppo --env LunarLanderContinuous-v2 -orga sb3 -f logs/
python enjoy.py --algo ppo --env LunarLanderContinuous-v2  -f logs/

模型训练（借助 RL Zoo）

python train.py --algo ppo --env LunarLanderContinuous-v2 -f logs/
# 上传模型并生成视频（如果可能）
python -m rl_zoo3.push_to_hub --algo ppo --env LunarLanderContinuous-v2 -f logs/ -orga sb3

💻 使用示例

基础用法

# 下载模型并保存到 logs/ 文件夹
python -m rl_zoo3.load_from_hub --algo ppo --env LunarLanderContinuous-v2 -orga sb3 -f logs/
python enjoy.py --algo ppo --env LunarLanderContinuous-v2  -f logs/

高级用法

# 训练模型
python train.py --algo ppo --env LunarLanderContinuous-v2 -f logs/
# 上传模型并生成视频（如果可能）
python -m rl_zoo3.push_to_hub --algo ppo --env LunarLanderContinuous-v2 -f logs/ -orga sb3

🔧 技术细节

超参数设置

OrderedDict([('batch_size', 64),
             ('ent_coef', 0.01),
             ('gae_lambda', 0.98),
             ('gamma', 0.999),
             ('n_envs', 16),
             ('n_epochs', 4),
             ('n_steps', 1024),
             ('n_timesteps', 1000000.0),
             ('policy', 'MlpPolicy'),
             ('normalize', False)])

模型评估指标