Обученный агент REINFORCE для управления тележкой и балансирования шеста в симуляторе CartPole-v1.
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 обученная модель агента REINFORCE для среды CartPole-v1, опубликованная Shashankk10. Она предназначена для управления тележкой и балансирования шеста в среде обучения с подкреплением; материалы курса Deep Reinforcement Learning Course, Unit 4, помогают изучить применение модели и обучение собственного агента. Модель представлена в формате PyTorch.
Карточка не сообщает размер сети, детали архитектуры, конкретный интерфейс входа и выхода, языки или лицензию. Модель ориентирована на одну симуляционную задачу и не предназначена для обработки естественного языка или изображений.
Модель обучена для конкретной среды CartPole-v1, поэтому её назначение ограничено этой симуляционной задачей. Лицензия и детали архитектуры в доступных материалах не приведены.
README от автора на Hugging Face, как он его опубликовал
This is a trained model of a Reinforce agent playing CartPole-v1 .
To learn to use this model and train yours check Unit 4 of the Deep Reinforcement Learning Course: https://huggingface.co/deep-rl-course/unit4/introduction
Training notebook: https://github.com/00xshashank/rl-starters/blob/main/policy-gradient/pg.ipynb
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
RL-агенты не запускаются как сервис инференса.