强化学习 sbs3 PPO 几个参数 n_envs n_steps batch_size n_epochs

stable-baselines3 中训练相关的几个超参数:

  • n_envs : 并行的环境数目
  • n_steps (int) – The number of steps to run for each environment per update (i.e. rollout buffer size is n_steps * n_envs where n_envs is number of environment copies running in parallel) NOTE: n_steps * n_envs must be greater than 1 (because of the advantage normalization) See https://github.com/pytorch/pytorch/issues/29372
  • batch_size (int) – Minibatch size
  • n_epochs (int) – Number of epoch when optimizing the surrogate loss

在 log 里面打印的 total_timestaps = n_envs *n_steps
从stable-baselines3 的 PPO 源代码来看,在训练的时候,外层for循环是 for循环 n_epochs 次:内层for循环是得到 batch_size 个样本。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

培之

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值