/ Модель

Характеристики

Библиотека
stable-baselines3
Опубликована
25 июл 2022

ppo-seals-MountainCar-v0

Обучение с подкреплением3 профессии

Обученный агент PPO управляет автомобилем в среде MountainCar-v0, выбирая действия на основе наблюдений среды.

131скачиваний за 30 дней1лайквеса обновлены19 сен 2023

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

Это обученный агент PPO для среды seals/MountainCar-v0, опубликованный HumanCompatibleAI. Модель создана с помощью Stable-Baselines3 и обучающего фреймворка RL Zoo; она принимает наблюдения среды и выбирает действия, чтобы управлять автомобилем и подняться на гору.

Сценарии применения

  • проверка работы PPO на MountainCar-v0
  • эксперименты с обучением агента в среде управления автомобилем
  • сравнение стратегий обучения с помощью Stable-Baselines3 и RL Zoo

Ограничения

Агент обучен для конкретной среды seals/MountainCar-v0; README не подтверждает его применимость к другим средам или задачам.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PPO Agent playing seals/MountainCar-v0

This is a trained model of a PPO agent playing seals/MountainCar-v0 using the stable-baselines3 library and the RL Zoo.

The RL Zoo is a training framework for Stable Baselines3 reinforcement learning agents, with hyperparameter optimization and pre-trained agents included.

Usage (with 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

Install the RL Zoo (with SB3 and SB3-Contrib):

pip install rl_zoo3
# Download model and save it into the logs/ folder
python -m rl_zoo3.load_from_hub --algo ppo --env seals/MountainCar-v0 -orga HumanCompatibleAI -f logs/
python -m rl_zoo3.enjoy --algo ppo --env seals/MountainCar-v0  -f logs/

If you installed the RL Zoo3 via pip (pip install rl_zoo3), from anywhere you can do:

python -m rl_zoo3.load_from_hub --algo ppo --env seals/MountainCar-v0 -orga HumanCompatibleAI -f logs/
python -m rl_zoo3.enjoy --algo ppo --env seals/MountainCar-v0  -f logs/

Training (with the RL Zoo)

python -m rl_zoo3.train --algo ppo --env seals/MountainCar-v0 -f logs/
# Upload the model and generate video (when possible)
python -m rl_zoo3.push_to_hub --algo ppo --env seals/MountainCar-v0 -f logs/ -orga HumanCompatibleAI

Hyperparameters

OrderedDict([('batch_size', 512),
             ('clip_range', 0.2),
             ('ent_coef', 6.4940755116195606e-06),
             ('gae_lambda', 0.98),
             ('gamma', 0.99),
             ('learning_rate', 0.0004476103728105138),
             ('max_grad_norm', 1),
             ('n_envs', 16),
             ('n_epochs', 20),
             ('n_steps', 256),
             ('n_timesteps', 1000000.0),
             ('normalize',
              {'gamma': 0.99, 'norm_obs': False, 'norm_reward': True}),
             ('policy', 'MlpPolicy'),
             ('policy_kwargs',
              {'activation_fn': <class 'torch.nn.modules.activation.Tanh'>,
               'features_extractor_class': <class 'imitation.policies.base.NormalizeFeaturesExtractor'>,
               'net_arch': [{'pi': [64, 64], 'vf': [64, 64]}]}),
             ('vf_coef', 0.25988158989488963),
             ('normalize_kwargs',
              {'norm_obs': {'gamma': 0.99,
                            'norm_obs': False,
                            'norm_reward': True},
               'norm_reward': False})])

Environment Arguments

{'render_mode': 'rgb_array'}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · stable-baselines3

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов
332b978

0 моделей