Обученный агент DQN на Stable-Baselines3, который выбирает действия в игре ALE/Breakout-v5 по игровым наблюдениям.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Это обученный агент DQN для игры ALE/Breakout-v5, опубликованный пользователем ITSRAJ09 и созданный с использованием библиотеки Stable-Baselines3. Модель предназначена для выбора игровых действий по наблюдениям из среды Breakout в рамках обучения с подкреплением.
Агент принимает визуальные наблюдения игры и выдаёт действия для управления игровым процессом. В репозитории указана реализация на PyTorch; карточка не сообщает размер модели, результаты обучения или лицензию.
Применение описано только для ALE/Breakout-v5. В README пример загрузки помечен как TODO; сведения о лицензии и результатах обучения отсутствуют.
README от автора на Hugging Face, как он его опубликовал
This is a trained model of a DQN agent playing ALE/Breakout-v5 using the stable-baselines3 library.
TODO: Add your code
from stable_baselines3 import ...
from huggingface_sb3 import load_from_hub
...
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · stable-baselines3
RL-агенты не запускаются как сервис инференса.