/ Модель

decision_transformer_atari

Обучение с подкреплением

Набор весов Decision Transformer для выбора действий в четырёх играх Atari.

0скачиваний за 30 дней5лайковвеса обновлены21 фев 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

Репозиторий edbeeching/decision_transformer_atari содержит веса Decision Transformer, обученные для четырёх игр Atari: Breakout, Pong, Qbert и Seaquest. Авторы предоставили чекпойнты для одного случайного seed (123), тогда как в статье использовались веса для трёх seed. Модель предназначена для применения в задачах обучения с подкреплением и выбора действий в этих играх.

Сценарии применения

  • выбор действий в Breakout
  • выбор действий в Pong
  • выбор действий в Qbert
  • выбор действий в Seaquest
  • эксперименты с Decision Transformer в Atari

Ограничения

Представлены веса только для четырёх игр и одного seed; в статье использовались веса для трёх случайных seed.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Find here pretrained model weights for the [Decision Transformer] (https://github.com/kzl/decision-transformer). Weights are available for 4 Atari games: Breakout, Pong, Qbert and Seaquest. Found in the checkpoints directory. We share models trained for one seed (123), whereas the paper contained weights for 3 random seeds.

Usage

git clone https://huggingface.co/edbeeching/decision_transformer_atari
conda env create -f conda_env.yml

Then, you can use the model like this:


from decision_transform_atari import GPTConfig, GPT

vocab_size = 4
block_size = 90
model_type = "reward_conditioned"
timesteps = 2654

mconf = GPTConfig(
    vocab_size,
    block_size,
    n_layer=6,
    n_head=8,
    n_embd=128,
    model_type=model_type,
    max_timestep=timesteps,
)
model = GPT(mconf)

checkpoint_path = "checkpoints/Breakout_123.pth"  # or Pong, Qbert, Seaquest
checkpoint = torch.load(checkpoint_path)
model.load_state_dict(checkpoint)

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
d7c6a2a

0 моделей