/ Модель

Характеристики

Библиотека
stable-baselines3
Опубликована
2 июн 2022

ppo-QbertNoFrameskip-v4

Обучение с подкреплением3 профессии

Обученный агент PPO для выбора действий и игры в QbertNoFrameskip-v4.

54скачиваний 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 PPO для игры QbertNoFrameskip-v4, опубликованный в организации sb3. Модель создана с помощью Stable-Baselines3 и тренировочной инфраструктуры RL Zoo; она выбирает действия в среде Atari Q*bert с пропуском кадров.

Агент предназначен для запуска в совместимой среде QbertNoFrameskip-v4 через Stable-Baselines3 или RL Zoo. Это специализированный контрольный пункт для игры, а не модель для диалога или генерации текста. В README указана библиотека Stable-Baselines3; репозиторий содержит веса PyTorch и создан 2 июня 2022 года.

Модель принимает наблюдения среды и выдаёт действия агента. README не сообщает численные результаты игры или подробности об архитектуре политики, поэтому качество прохождения и устойчивость к изменениям среды оценить нельзя. Условия лицензирования в предоставленных сведениях не указаны.

Сценарии применения

  • управление агентом в игре Q*bert
  • запуск обученной политики в QbertNoFrameskip-v4
  • эксперименты с PPO в средах Atari
  • демонстрация обучения с Stable-Baselines3 и RL Zoo

Ограничения

Агент предназначен для конкретной среды QbertNoFrameskip-v4; перенос на другие игры или среды не подтверждён. Численные результаты и условия лицензирования в предоставленных сведениях отсутствуют.

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 QbertNoFrameskip-v4

This is a trained model of a PPO agent playing QbertNoFrameskip-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 QbertNoFrameskip-v4 -orga sb3 -f logs/
python enjoy.py --algo ppo --env QbertNoFrameskip-v4  -f logs/

Training (with the RL Zoo)

python train.py --algo ppo --env QbertNoFrameskip-v4 -f logs/
# Upload the model and generate video (when possible)
python -m rl_zoo3.push_to_hub --algo ppo --env QbertNoFrameskip-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
435f07d

0 моделей