PPO Agent playing LunarLander-v2
This is a trained model of a PPO agent playing LunarLander-v2 using the stable-baselines3 library.
Usage (with Stable-baselines3)
TODO: Add your code
assignment2-llama
Обучение с подкреплением
Производная модели Classroom-workshop/assignment2-omar. Обученный агент PPO для управления посадочным модулем в симуляции LunarLander-v2.
1скачиваний за 30 дней0лайковвеса обновлены19 июн 2022
Бенчмарки
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Публичные оценки
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Что умеет модель
Описание составлено по карточке модели и метаданным Hugging Face
Карточка модели Classroom-workshop/assignment2-llama на Hugging Face совпадает с карточкой Classroom-workshop/assignment2-omar, поэтому описание составлено по ней.
Это обученный агент Proximal Policy Optimization (PPO) для среды LunarLander-v2, созданный с помощью библиотеки Stable-Baselines3. Модель предназначена для управления посадочным модулем в симуляции: она получает состояние среды и выбирает действия, чтобы посадить аппарат.
Сценарии применения
- управление посадочным модулем в LunarLander-v2
- эксперименты с обучением с подкреплением
- изучение PPO на примере симуляции посадки
Ограничения
README содержит незаполненную инструкцию по использованию и не сообщает параметры обучения или достигнутые результаты.
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · stable-baselines3
RL-агенты не запускаются как сервис инференса.
- Ревизия весов
- d942e0e