🚀 PPO 智能体玩转 Hopper-v3
本项目是一个经过训练的 PPO 智能体,它借助 stable-baselines3 库 和 RL Zoo 来玩 Hopper-v3 游戏。RL Zoo 是一个针对 Stable Baselines3 强化学习智能体的训练框架,其中包含超参数优化和预训练智能体。
🚀 快速开始
运行已训练模型(使用 SB3 RL Zoo)
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
# 下载模型并保存到 logs/ 文件夹
python -m rl_zoo3.load_from_hub --algo ppo --env Hopper-v3 -orga sb3 -f logs/
python enjoy.py --algo ppo --env Hopper-v3 -f logs/
模型训练(使用 RL Zoo)
python train.py --algo ppo --env Hopper-v3 -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 Hopper-v3 -f logs/ -orga sb3
📦 安装指南
文档未提及具体安装步骤,可参考相关库的官方文档进行安装:
💻 使用示例
基础用法
python -m rl_zoo3.load_from_hub --algo ppo --env Hopper-v3 -orga sb3 -f logs/
python enjoy.py --algo ppo --env Hopper-v3 -f logs/
高级用法
python train.py --algo ppo --env Hopper-v3 -f logs/
python -m rl_zoo3.push_to_hub --algo ppo --env Hopper-v3 -f logs/ -orga sb3
🔧 技术细节
超参数
OrderedDict([('batch_size', 32),
('clip_range', 0.2),
('ent_coef', 0.00229519),
('gae_lambda', 0.99),
('gamma', 0.999),
('learning_rate', 9.80828e-05),
('max_grad_norm', 0.7),
('n_envs', 1),
('n_epochs', 5),
('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', 0.835671),
('normalize_kwargs', {'norm_obs': True, 'norm_reward': False})])
📚 详细文档
属性 |
详情 |
模型类型 |
PPO |
训练环境 |
Hopper-v3 |
平均奖励 |
2410.11 +/- 9.86 |