pytorch soft actor critic Download - pytorch soft actor critic Código Fonte Download

pytorch soft actor critic

Pitão

1.0.0

Baixar

Descrição

Reimplementação de algoritmos e aplicações de ator-ator mole e uma variante determinística do SAC de ator macio-crítico: Aprendizagem de reforço profundo da entropia máxima da política fora da política com um ator estocástico.

Adicionado outro ramo para o ator macio-crítico: Aprendizagem de reforço profundo da entropia máxima da política fora da política com um ator estocástico-> SAC_V.

Requisitos

Mujoco-Py
Pytorch

Argumentos e uso padrão

Uso

 usage: main.py [-h] [--env-name ENV_NAME] [--policy POLICY] [--eval EVAL]
               [--gamma G] [--tau G] [--lr G] [--alpha G]
               [--automatic_entropy_tuning G] [--seed N] [--batch_size N]
               [--num_steps N] [--hidden_size N] [--updates_per_step N]
               [--start_steps N] [--target_update_interval N]
               [--replay_size N] [--cuda]

(Nota: não há necessidade de definir a temperatura ( --alpha ) se --automatic_entropy_tuning for verdadeiro.)

Para sac

 python main.py --env-name Humanoid-v2 --alpha 0.05

Para SAC (atualização dura)

 python main.py --env-name Humanoid-v2 --alpha 0.05 --tau 1 --target_update_interval 1000

Para SAC (atualização determinística e rígida)

 python main.py --env-name Humanoid-v2 --policy Deterministic --tau 1 --target_update_interval 1000

Argumentos

 PyTorch Soft Actor-Critic Args

optional arguments:
  -h, --help            show this help message and exit
  --env-name ENV_NAME   Mujoco Gym environment (default: HalfCheetah-v2)
  --policy POLICY       Policy Type: Gaussian | Deterministic (default:
                        Gaussian)
  --eval EVAL           Evaluates a policy a policy every 10 episode (default:
                        True)
  --gamma G             discount factor for reward (default: 0.99)
  --tau G               target smoothing coefficient(τ) (default: 5e-3)
  --lr G                learning rate (default: 3e-4)
  --alpha G             Temperature parameter α determines the relative
                        importance of the entropy term against the reward
                        (default: 0.2)
  --automatic_entropy_tuning G
                        Automaically adjust α (default: False)
  --seed N              random seed (default: 123456)
  --batch_size N        batch size (default: 256)
  --num_steps N         maximum number of steps (default: 1e6)
  --hidden_size N       hidden size (default: 256)
  --updates_per_step N  model updates per simulator step (default: 1)
  --start_steps N       Steps sampling random actions (default: 1e4)
  --target_update_interval N
                        Value target update per no. of updates per step
                        (default: 1)
  --replay_size N       size of replay buffer (default: 1e6)
  --cuda                run on CUDA (default: False)