返回模型
说明文档
此模型作为野火资源管理环境的基线模型，使用近端策略优化（PPO）算法在任务 <code>0</code> 和难度 <code>10</code> 下进行训练和测试。<br><br>
环境：野火资源管理<br> 任务：<code>0</code><br> 难度：<code>10</code><br> 算法：<code>PPO</code><br> 回合长度：<code>500</code><br> 训练 <code>max_steps</code>：<code>450000</code><br> 测试 <code>max_steps</code>：<code>45000</code><br><br>
hivex-research/hivex-WRM-PPO-baseline-task-0-difficulty-10
作者 hivex-research
reinforcement-learning
hivex
↓ 0
♥ 0
创建时间: 2024-08-30 07:16:16+00:00
更新时间: 2025-03-20 23:30:14+00:00
在 Hugging Face 上查看文件 (10)
.gitattributes
Agent.onnx
ONNX
Agent/Agent-450639.onnx
ONNX
Agent/Agent-450639.pt
Agent/checkpoint.pt
Agent/events.out.tfevents.1716737518.RICHARD.1160.0
README.md
configuration.yaml
run_logs/timers.json
run_logs/training_status.json