/ Модель

Характеристики

Библиотека
stable-baselines3
Опубликована
2 июн 2022

ppo-EnduroNoFrameskip-v4

Обучение с подкреплением3 профессии

Обученный PPO-агент Stable-Baselines3, который выбирает действия для игры Atari Enduro в среде EnduroNoFrameskip-v4.

29скачиваний за 30 дней0лайковвеса обновлены11 окт 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

Это обученный агент Proximal Policy Optimization (PPO) для среды Atari EnduroNoFrameskip-v4. Модель опубликована организацией Stable-Baselines3 и создана с помощью библиотеки Stable-Baselines3 и фреймворка RL Zoo.

Агент предназначен для выбора игровых действий по наблюдениям среды Enduro: его можно запускать для игры или использовать как готовый чекпойнт в экспериментах по обучению с подкреплением. Модель работает с визуальными наблюдениями игры и выдаёт действия агента. Репозиторий содержит веса PyTorch; для запуска README предлагает Stable-Baselines3 и RL Zoo.

В карточке не приведены результаты оценки, поэтому качество игры и устойчивость агента по этим данным определить нельзя. Условия лицензии в предоставленных данных не указаны.

Сценарии применения

  • Запуск агента для игры в Atari Enduro
  • Проверка обученного PPO-агента в среде EnduroNoFrameskip-v4
  • Использование чекпойнта в экспериментах по обучению с подкреплением

Ограничения

Карточка не содержит результатов оценки агента, поэтому его игровую эффективность по предоставленным данным оценить нельзя.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PPO Agent playing EnduroNoFrameskip-v4

This is a trained model of a PPO agent playing EnduroNoFrameskip-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

# Download model and save it into the logs/ folder
python -m rl_zoo3.load_from_hub --algo ppo --env EnduroNoFrameskip-v4 -orga sb3 -f logs/
python enjoy.py --algo ppo --env EnduroNoFrameskip-v4  -f logs/

Training (with the RL Zoo)

python train.py --algo ppo --env EnduroNoFrameskip-v4 -f logs/
# Upload the model and generate video (when possible)
python -m rl_zoo3.push_to_hub --algo ppo --env EnduroNoFrameskip-v4 -f logs/ -orga sb3

Hyperparameters

OrderedDict([('batch_size', 256),
             ('clip_range', 'lin_0.1'),
             ('ent_coef', 0.01),
             ('env_wrapper',
              ['stable_baselines3.common.atari_wrappers.AtariWrapper']),
             ('frame_stack', 4),
             ('learning_rate', 'lin_2.5e-4'),
             ('n_envs', 8),
             ('n_epochs', 4),
             ('n_steps', 128),
             ('n_timesteps', 10000000.0),
             ('policy', 'CnnPolicy'),
             ('vf_coef', 0.5),
             ('normalize', False)])

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
e92eae1

0 моделей