Ppo HalfCheetah V3

🚀 PPO 智能体玩转 HalfCheetah-v3

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 HalfCheetah-v3 游戏。

RL Zoo 是一个用于 Stable Baselines3 强化学习智能体的训练框架，它包含超参数优化和预训练智能体。

🚀 快速开始

本模型借助 stable-baselines3 库 和 RL Zoo 训练而成。下面为你介绍如何使用和训练该模型。

📦 安装指南

使用本项目前，请确保你已安装以下依赖：

• 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

基础用法

以下代码展示了如何从模型中心下载模型并运行：

# 下载模型并保存到 logs/ 文件夹
python -m rl_zoo3.load_from_hub --algo ppo --env HalfCheetah-v3 -orga sb3 -f logs/
python enjoy.py --algo ppo --env HalfCheetah-v3  -f logs/

高级用法

以下代码展示了如何使用 RL Zoo 训练模型并将其上传到模型中心：

# 使用 RL Zoo 进行训练
python train.py --algo ppo --env HalfCheetah-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 HalfCheetah-v3 -f logs/ -orga sb3

🔧 技术细节

模型指标

超参数

OrderedDict([('batch_size', 64),
             ('clip_range', 0.1),
             ('ent_coef', 0.000401762),
             ('gae_lambda', 0.92),
             ('gamma', 0.98),
             ('learning_rate', 2.0633e-05),
             ('max_grad_norm', 0.8),
             ('n_envs', 1),
             ('n_epochs', 20),
             ('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', 0.58096),
             ('normalize_kwargs', {'norm_obs': True, 'norm_reward': False})])