Hugging FaceでのRL-Baselines3-Zooの使用方法

rl-baselines3-zooは、Stable Baselines3を用いた強化学習のトレーニングフレームワークです。

HubにおけるRL-Baselines3-Zooの探索

モデルページの左側でフィルタリングすることで、RL-Baselines3-Zooのモデルを見つけることができます。

Stable-Baselines3チームは、チューニング済みのハイパーパラメータを持つ150以上の訓練済み強化学習エージェントのコレクションをこちらで公開しています。

Hub上のすべてのモデルには、便利な機能が備わっています:

1. 説明、トレーニング設定などを含む、自動生成されたモデルカード。
2. 検索可能性を高めるためのメタデータタグ。
3. 他のモデルと比較するための評価結果。
4. エージェントの動作を視聴できる動画ウィジェットです。

既存のモデルを使用する

load_from_hub を使用して、Hub からモデルをダウンロードするだけです:

# 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/

3つのパラメータを定義できます:

• --repo-name: リポジトリの名前。
• -orga: Hugging Faceのユーザー名または組織名。
• -f: 保存先フォルダ。

モデルの共有

push_to_hub を使用すると、モデルを簡単にアップロードできます。これにより、モデルが保存され、評価が行われ、モデルカードが生成され、エージェントのリプレイ動画が記録された後、完全なリポジトリが Hub にプッシュされます。

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

3つのパラメータを定義できます:

• --repo-name: リポジトリの名前。
• -orga: Hugging Face のユーザー名。
• -f: モデルが保存されるフォルダ。

追加のリソース

• RL-Baselines3-Zoo 公式の学習済みモデル
• RL-Baselines3-Zoo ドキュメント