/ Модель
Каталог

Характеристики

Опубликована
11 июл 2026

Ссылки

Hugging Face

ppo-CartPole-v1_0711

RaiseYourHand
Обучение с подкреплением

Обученный на PPO агент PyTorch для управления тележкой и удержания шеста в равновесии в среде CartPole-v1.

0скачиваний за 30 дней0лайковвеса обновлены11 июл 2026

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

RaiseYourHand/ppo-CartPole-v1_0711 — обученная модель агента PPO для среды CartPole-v1. Репозиторий описывает её как модель, обученную играть в CartPole-v1; метаданные относят её к обучению с подкреплением и указывают реализацию на PyTorch.

Модель предназначена для выбора действий в среде CartPole-v1: агент получает состояние среды и использует обученную стратегию для управления тележкой, удерживая шест в равновесии. В карточке указана пользовательская реализация PPO и принадлежность к материалам Deep RL Course.

Это специализированный чекпойнт для симуляционной задачи, а не универсальная языковая модель. Сведения о лицензии и подробных ограничениях в доступных данных отсутствуют.

Сценарии применения

  • управление тележкой в симуляции CartPole-v1
  • удержание шеста в вертикальном положении
  • демонстрация обучения с подкреплением на PPO
  • эксперименты с пользовательской реализацией deep RL

Ограничения

Модель предназначена для среды CartPole-v1; данных о применимости к другим средам или условиях обучения нет. Лицензия в предоставленных материалах не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PPO Agent Playing CartPole-v1

This is a trained model of a PPO agent playing CartPole-v1.

Hyperparameters

{'exp_name': 'test'
'seed': 1
'torch_deterministic': True
'cuda': True
'track': False
'wandb_project_name': 'cleanRL'
'wandb_entity': None
'capture_video': False
'env_id': 'CartPole-v1'
'total_timesteps': 50000
'learning_rate': 0.00025
'num_envs': 4
'num_steps': 128
'anneal_lr': True
'gae': True
'gamma': 0.99
'gae_lambda': 0.95
'num_minibatches': 4
'update_epochs': 4
'norm_adv': True
'clip_coef': 0.2
'clip_vloss': True
'ent_coef': 0.01
'vf_coef': 0.5
'max_grad_norm': 0.5
'target_kl': None
'repo_id': 'RaiseYourHand/ppo-CartPole-v1_0711'
'batch_size': 512
'minibatch_size': 128}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов
2d78234

0 моделей

    Создать бенчмарк