Stable Baselines/用户向导/开始

本文主要是介绍Stable Baselines/用户向导/开始，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Stable Baselines官方文档中文版 Github CSDN
尝试翻译官方文档，水平有限，如有错误万望指正

大多数强化学习算法包都试图采用sklearn风格语法。

下面是一个简单的案例，展示如何在Cartpole环境中训练和运行PPO2.

import gymfrom stable_baselines.common.policies import MlpPolicy
from stable_baselines.common.vec_env import DummyVecEnv
from stable_baselines import PPO2env = gym.make('CartPole-v1')
env = DummyVecEnv([lambda: env])  # The algorithms require a vectorized environment to runmodel = PPO2(MlpPolicy, env, verbose=1)
model.learn(total_timesteps=10000)obs = env.reset()
for i in range(1000):action, _states = model.predict(obs)obs, rewards, dones, info = env.step(action)env.render()

或者，如果环境已在Gym注册、策略也已注册，仅仅用liner训练一个模型：

# 用一行代码定义并训练一个RL agent
from stable_baselines import PPO2
model = PPO2('MlpPolicy', 'CartPole-v1').learn(10000)

这篇关于Stable Baselines/用户向导/开始的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---