我在一个环境中尝试使用 baseline3 库学习系统动力学。由于我的例子比较大,我用下面的例子来说明我遇到的问题。
问题
环境改写实际上在哪些地方融入了学习过程?
奖励有上下限吗?
我的代码:
from stable_baselines.common.policies import MlpPolicy
from stable_baselines.common.vec_env import DummyVecEnv
from stable_baselines import PPO2
env = gym.make('CartPole-v1')
model = 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()
我还没有找到任何关于此的信息。