🚀 PPO智能体玩SeaquestNoFrameskip-v4
本项目是一个经过训练的PPO智能体模型,使用stable-baselines3库来玩SeaquestNoFrameskip-v4游戏。该模型展示了深度强化学习在Atari游戏中的应用效果。
✨ 主要特性
- 基于深度强化学习的PPO算法,在SeaquestNoFrameskip-v4游戏中取得了良好的表现。
- 使用stable-baselines3库进行训练,该库提供了丰富的工具和接口,方便模型的训练和评估。
- 训练过程通过WandB进行记录和监控,可查看详细的训练报告。
📦 安装指南
- 你需要使用
gym==0.19
,因为它包含Atari游戏的ROM。
- 由于我们只使用了该游戏中的可行动作,所以动作空间为6。
💻 使用示例
基础用法
观察你的智能体与环境的交互:
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()
高级用法
以下是训练模型的代码示例:
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")
📚 详细文档
评估结果
平均奖励:1820.00 +/- 20.0
训练报告:https://wandb.ai/simoninithomas/HFxSB3/reports/Atari-HFxSB3-Benchmark--VmlldzoxNjI3NTIy
信息表格
属性 |
详情 |
模型类型 |
PPO智能体 |
训练数据 |
SeaquestNoFrameskip-v4游戏环境 |
提示信息
⚠️ 重要提示
你需要使用gym==0.19
,因为它包含Atari游戏的ROM。
💡 使用建议
由于在Colab上使用Python 3.7,而该智能体是使用Python 3.8训练的,为避免Pickle错误,需要设置custom_objects
。