Hub 文档

在 Hugging Face 使用 RL-Baselines3-Zoo

Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始使用

在 Hugging Face 使用 RL-Baselines3-Zoo

rl-baselines3-zoo 是一个使用 Stable Baselines3 进行强化学习的训练框架。

探索 Hub 中的 RL-Baselines3-Zoo

您可以通过在模型页面左侧过滤来查找 RL-Baselines3-Zoo 模型。

Stable-Baselines3 团队托管了超过 150 个经过训练的强化学习代理,并带有已调整的超参数,您可以在此处找到它们。

Hub 上的所有模型都附带了有用的功能

  1. 一个自动生成的模型卡片,包含描述、训练配置等信息。
  2. 有助于发现的元数据标签。
  3. 与其他模型进行比较的评估结果。
  4. 一个视频小部件,您可以在其中观看您的智能体执行任务。

使用现有模型

您可以使用 load_from_hub 从 Hub 中简单下载一个模型

# Download ppo SpaceInvadersNoFrameskip-v4 model and save it into the logs/ folder
python -m rl_zoo3.load_from_hub --algo dqn --env SpaceInvadersNoFrameskip-v4 -f logs/ -orga sb3
python enjoy.py --algo dqn --env SpaceInvadersNoFrameskip-v4  -f logs/

您可以定义三个参数

  • --repo-name:仓库的名称。
  • -orga:Hugging Face 用户名或组织。
  • -f:目标文件夹。

共享您的模型

您可以使用 push_to_hub 轻松上传您的模型。这将保存模型,评估模型,生成模型卡,并记录您的代理的重放视频,然后将完整的仓库推送到 Hub。

python -m rl_zoo3.push_to_hub  --algo dqn  --env SpaceInvadersNoFrameskip-v4  --repo-name dqn-SpaceInvadersNoFrameskip-v4  -orga ThomasSimonini  -f logs/

您可以定义三个参数

  • --repo-name:仓库的名称。
  • -orga:您的 Hugging Face 用户名。
  • -f:模型保存的文件夹。

额外资源

< > 在 GitHub 上更新