/ Модель

Характеристики

Библиотека
stable-baselines3
Опубликована
2 июн 2022

ppo-LunarLander-v2

Обучение с подкреплением3 профессии

Обученный PPO-агент управляет посадочным модулем в симуляционной среде LunarLander-v2.

100скачиваний 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 LunarLander-v2. Модель опубликована организацией sb3 и подготовлена с использованием библиотеки stable-baselines3 и фреймворка RL Zoo.

Агент предназначен для управления виртуальным посадочным модулем: по состоянию среды он выбирает действия, помогающие безопасно совершить посадку. Его можно запускать в LunarLander-v2 через инструменты Stable-Baselines3 или RL Zoo. Карточка не сообщает размер модели, длину обучения или количественные показатели качества, поэтому их нельзя оценить по имеющимся данным.

Репозиторий содержит модель в формате PyTorch. Языковой ввод и текстовая генерация не являются её назначением. Лицензия в предоставленных данных не указана.

Сценарии применения

  • управление посадочным модулем в LunarLander-v2
  • обучение и демонстрация алгоритма PPO
  • эксперименты с обучением с подкреплением в симуляторе
  • оценка поведения агента в среде Gym

Ограничения

Назначен для конкретной среды LunarLander-v2; перенос на другие среды не подтверждён. Карточка не приводит метрик качества или условий лицензии.

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 LunarLander-v2

This is a trained model of a PPO agent playing LunarLander-v2 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 LunarLander-v2 -orga sb3 -f logs/
python enjoy.py --algo ppo --env LunarLander-v2  -f logs/

Training (with the RL Zoo)

python train.py --algo ppo --env LunarLander-v2 -f logs/
# Upload the model and generate video (when possible)
python -m rl_zoo3.push_to_hub --algo ppo --env LunarLander-v2 -f logs/ -orga sb3

Hyperparameters

OrderedDict([('batch_size', 64),
             ('ent_coef', 0.01),
             ('gae_lambda', 0.98),
             ('gamma', 0.999),
             ('n_envs', 16),
             ('n_epochs', 4),
             ('n_steps', 1024),
             ('n_timesteps', 1000000.0),
             ('policy', 'MlpPolicy'),
             ('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
0961e4e

0 моделей