/ Модель

Характеристики

Библиотека
stable-baselines3
Опубликована
20 июл 2026

dqn-SpaceInvadersNoFrameskip-v4

Обучение с подкреплением

Обученный агент DQN для выбора действий в игровом окружении SpaceInvadersNoFrameskip-v4.

0скачиваний за 30 дней0лайковвеса обновлены20 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

Это обученный агент глубокого обучения с подкреплением на основе DQN, созданный для игры SpaceInvadersNoFrameskip-v4. Модель обучена с использованием Stable-Baselines3 и RL Zoo и сохранена в формате PyTorch.

Агент предназначен для управления игрой Space Invaders: он получает наблюдения игрового окружения и выбирает действия, чтобы проходить игру. Для запуска требуется совместимое окружение Atari и инструменты Stable-Baselines3. README описывает обучение на одном GPU, но не приводит численных результатов оценки или подробностей о наблюдениях и действиях.

Сценарии применения

  • управление агентом в Space Invaders
  • эксперименты с DQN в Atari
  • оценка обучения с подкреплением на игровом окружении

Ограничения

README не приводит метрик качества или результатов оценки агента.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DQN Agent playing SpaceInvadersNoFrameskip-v4

This is a trained model of a DQN agent playing SpaceInvadersNoFrameskip-v4 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 SBX (SB3 + Jax): https://github.com/araffin/sbx

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 dqn --env SpaceInvadersNoFrameskip-v4 -orga kaleido-jean -f logs/
python -m rl_zoo3.enjoy --algo dqn --env SpaceInvadersNoFrameskip-v4  -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 dqn --env SpaceInvadersNoFrameskip-v4 -orga kaleido-jean -f logs/
python -m rl_zoo3.enjoy --algo dqn --env SpaceInvadersNoFrameskip-v4  -f logs/

Training (with the RL Zoo)

python -m rl_zoo3.train --algo dqn --env SpaceInvadersNoFrameskip-v4 -f logs/
# Upload the model and generate video (when possible)
python -m rl_zoo3.push_to_hub --algo dqn --env SpaceInvadersNoFrameskip-v4 -f logs/ -orga kaleido-jean

Hyperparameters

OrderedDict([('batch_size', 32),
             ('buffer_size', 100000),
             ('env_wrapper',
              ['stable_baselines3.common.atari_wrappers.AtariWrapper']),
             ('exploration_final_eps', 0.01),
             ('exploration_fraction', 0.1),
             ('frame_stack', 4),
             ('gradient_steps', 1),
             ('learning_rate', 0.0001),
             ('learning_starts', 100000),
             ('n_timesteps', 1000000.0),
             ('optimize_memory_usage', False),
             ('policy', 'CnnPolicy'),
             ('target_update_interval', 1000),
             ('train_freq', 4),
             ('normalize', False)])

Environment Arguments

{'render_mode': 'rgb_array'}

Training Details

Training Procedure

  • Training regime: fp32 on CUDA (SB3 default; no mixed precision)
  • Wall-clock train time: 1,000,000 steps in 45 min 38 s (SLURM job elapsed; ≈ 365 steps/s end-to-end, incl. 100k-step random buffer prefill and periodic eval)
  • Trained as a non-interactive SLURM batch job (sbatch) via RL-Baselines3-Zoo (rl_zoo3.train); exact hyperparameters are in config.yml / args.yml in this repo.

Training Hardware / Carbon

  • Hardware Type: 1× NVIDIA Tesla V100-SXM2-32GB (PSC Bridges-2, GPU-shared partition, node v003; 5 CPU cores / 63 GB RAM allocated)
  • Hours used: ~0.76 h GPU (00:45:38 wall-clock, training job only; evaluation, replay-video encode and Hub upload ran as separate CPU-only jobs)
  • Cloud Provider: PSC Bridges-2 / university HPC cluster
  • Compute Region: US (Pittsburgh Supercomputing Center)
  • Carbon Emitted: ~0.1 kg CO₂e (rough estimate: ≈0.3 kW draw × 0.76 h × US-average grid intensity)

Technical Specifications

Compute Infrastructure

  • Training: single-GPU DQN (stable-baselines3 + PyTorch/CUDA 12.6) through RL-Baselines3-Zoo
  • Evaluation & Hub push: CPU-only SLURM jobs on the RM-shared partition — zero additional GPU hours

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
c17fc9a

0 моделей