/ Модель

Характеристики

Библиотека
stable-baselines3
Опубликована
4 мая 2022

ppo-Pendulum-v1

Обучение с подкреплением3 профессии

Обученный агент PPO для управления маятником в симуляционной среде Pendulum-v1.

66скачиваний за 30 дней3лайкавеса 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 обучения с подкреплением PPO для среды Pendulum-v1, опубликованный в организации sb3. Модель подготовлена с использованием библиотеки Stable-Baselines3 и обучающего фреймворка RL Zoo.

Агент предназначен для управления маятником в симуляции Pendulum-v1: по состоянию среды он выбирает действия, чтобы научиться удерживать маятник в целевом положении. Модель распространяется в формате PyTorch и может использоваться для запуска готового агента через инструменты Stable-Baselines3 RL Zoo.

Карточка не сообщает размер модели и условия лицензии. Модель специализирована на одной симуляционной среде, поэтому её назначение не подразумевает генерацию текста или работу с естественными языками.

Сценарии применения

  • запуск обученного агента в среде Pendulum-v1
  • управление маятником в симуляции
  • демонстрация работы алгоритма PPO
  • изучение запуска моделей Stable-Baselines3 через RL Zoo

Ограничения

Агент обучен для среды Pendulum-v1; перенос его политики на другие среды не подтверждён. Модель управляет симуляционным объектом и не предназначена для генерации текста.

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 Pendulum-v1

This is a trained model of a PPO agent playing Pendulum-v1 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 Pendulum-v1 -orga sb3 -f logs/
python enjoy.py --algo ppo --env Pendulum-v1  -f logs/

Training (with the RL Zoo)

python train.py --algo ppo --env Pendulum-v1 -f logs/
# Upload the model and generate video (when possible)
python -m rl_zoo3.push_to_hub --algo ppo --env Pendulum-v1 -f logs/ -orga sb3
from stable_baselines3 import PPO
from stable_baselines3.common.env_util import make_vec_env

# Create the environment
env_id = "Pendulum-v1"
env = make_vec_env(env_id, n_envs=1)

# Instantiate the agent
model = PPO(
    "MlpPolicy",
    env,
    gamma=0.98,
    # Using https://proceedings.mlr.press/v164/raffin22a.html
    use_sde=True,
    sde_sample_freq=4,
    learning_rate=1e-3,
    verbose=1,
)

# Train the agent
model.learn(total_timesteps=int(1e5))

Hyperparameters

OrderedDict([('clip_range', 0.2),
             ('ent_coef', 0.0),
             ('gae_lambda', 0.95),
             ('gamma', 0.9),
             ('learning_rate', 0.001),
             ('n_envs', 4),
             ('n_epochs', 10),
             ('n_steps', 1024),
             ('n_timesteps', 100000.0),
             ('policy', 'MlpPolicy'),
             ('sde_sample_freq', 4),
             ('use_sde', True),
             ('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
bd9b4a2

0 моделей