Обученный агент A2C для управления маятником в симуляции Pendulum-v1.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Это обученная модель агента A2C для среды Pendulum-v1, опубликованная пользователем szymon-hyziak. Она создана с помощью библиотеки Stable-Baselines3 и предназначена для управления маятником в симуляции методом обучения с подкреплением. Модель принимает состояние среды и выдаёт действие для управления маятником. В репозитории указан формат PyTorch.
Карточка не содержит подробностей об архитектуре сети, размере модели, используемых наблюдениях и действиях или результатах обучения. Пример использования в README не завершён. Условия лицензии в доступных данных не указаны.
Модель предназначена для среды Pendulum-v1; перенос на другие среды не подтверждён. README содержит незавершённый пример использования.
README от автора на Hugging Face, как он его опубликовал
This is a trained model of a A2C agent playing Pendulum-v1 using the stable-baselines3 library.
TODO: Add your code
from stable_baselines3 import ...
from huggingface_sb3 import load_from_hub
...
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · stable-baselines3
RL-агенты не запускаются как сервис инференса.