返回模型
说明文档
此模型是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>2</code> 难度 <code>6</code> 上进行训练和测试。<br><br>
环境：野火资源管理<br> 任务：<code>2</code><br> 难度：<code>6</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-2-difficulty-6
作者 hivex-research
reinforcement-learning
hivex
↓ 0
♥ 0
创建时间: 2024-08-29 22:34:51+00:00
更新时间: 2025-03-20 23:31:50+00:00
在 Hugging Face 上查看文件 (10)
.gitattributes
Agent.onnx
ONNX
Agent/Agent-450918.onnx
ONNX
Agent/Agent-450918.pt
Agent/checkpoint.pt
Agent/events.out.tfevents.1716718255.RICHARD.9676.0
README.md
configuration.yaml
run_logs/timers.json
run_logs/training_status.json