StableBaseline3介绍（Atari为例）

我们从Atari入手，了解如何设计强化学习智能体，并使用封装好底层计算的StableBaseline3来进行训练。由于强化学习的核心应用在机器人领域，因此我把强化学习训练放在了机器人笔记本区中。

关于强化学习底层计算理论的相关内容，请参阅人工智能笔记中的强化学习笔记。

Atari Games

首先来了解一下什么是Atari Game。

奖励

奖励剪裁 reward clipping，episode_reward

累加差异

训练输入文件与输出文件

TensorBoard

rollout/是什么？

评估

。

# 1. 查看 TensorBoard
tensorboard --logdir=training_runs/run_*/logs

# 2. 测试最佳模型（确定性）
python visualize_agent.py --model-path .../best_model.zip --episodes 20 --deterministic

# 3. 测试最佳模型（随机性）
python visualize_agent.py --model-path .../best_model.zip --episodes 20

# 4. 对比最终模型
python visualize_agent.py --model-path .../ppo_breakout_final.zip --episodes 20 --deterministic

# 5. 录制最佳表现
python visualize_agent.py --model-path .../best_model.zip --record --deterministic

.

---

评论