返回模型
说明文档
该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>2</code>、难度<code>7</code>下进行训练和测试。<br><br>
环境：野火资源管理<br> 任务：<code>2</code><br> 难度：<code>7</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-7
作者 hivex-research
reinforcement-learning
hivex
↓ 0
♥ 0
创建时间: 2024-08-29 22:35:12+00:00
更新时间: 2025-03-20 23:32:00+00:00
在 Hugging Face 上查看文件 (10)
.gitattributes
Agent.onnx
ONNX
Agent/Agent-451215.onnx
ONNX
Agent/Agent-451215.pt
Agent/checkpoint.pt
Agent/events.out.tfevents.1716780778.RICHARD.33928.0
README.md
configuration.yaml
run_logs/timers.json
run_logs/training_status.json