zhangpaipai commited on
Commit
42b5ac8
·
1 Parent(s): abca947

Upload policy_config.py with huggingface_hub

Browse files
Files changed (1) hide show
  1. policy_config.py +99 -0
policy_config.py ADDED
@@ -0,0 +1,99 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ exp_config = {
2
+ 'env': {
3
+ 'manager': {
4
+ 'episode_num': float("inf"),
5
+ 'max_retry': 1,
6
+ 'retry_type': 'reset',
7
+ 'auto_reset': True,
8
+ 'step_timeout': None,
9
+ 'reset_timeout': None,
10
+ 'retry_waiting_time': 0.1,
11
+ 'cfg_type': 'BaseEnvManagerDict'
12
+ },
13
+ 'stop_value': 200,
14
+ 'collector_env_num': 8,
15
+ 'evaluator_env_num': 8,
16
+ 'env_id': 'LunarLander-v2',
17
+ 'n_evaluator_episode': 8
18
+ },
19
+ 'policy': {
20
+ 'model': {
21
+ 'encoder_hidden_size_list': [512, 64],
22
+ 'v_min': -30,
23
+ 'v_max': 30,
24
+ 'n_atom': 51,
25
+ 'obs_shape': 8,
26
+ 'action_shape': 4
27
+ },
28
+ 'learn': {
29
+ 'learner': {
30
+ 'train_iterations': 1000000000,
31
+ 'dataloader': {
32
+ 'num_workers': 0
33
+ },
34
+ 'log_policy': True,
35
+ 'hook': {
36
+ 'load_ckpt_before_run': '',
37
+ 'log_show_after_iter': 100,
38
+ 'save_ckpt_after_iter': 10000,
39
+ 'save_ckpt_after_run': True
40
+ },
41
+ 'cfg_type': 'BaseLearnerDict'
42
+ },
43
+ 'update_per_collect': 10,
44
+ 'batch_size': 64,
45
+ 'learning_rate': 0.001,
46
+ 'target_update_freq': 100,
47
+ 'target_theta': 0.005,
48
+ 'ignore_done': False
49
+ },
50
+ 'collect': {
51
+ 'collector': {},
52
+ 'n_sample': 64,
53
+ 'unroll_len': 1
54
+ },
55
+ 'eval': {
56
+ 'evaluator': {
57
+ 'eval_freq': 1000,
58
+ 'render': {
59
+ 'render_freq': -1,
60
+ 'mode': 'train_iter'
61
+ },
62
+ 'cfg_type': 'InteractionSerialEvaluatorDict',
63
+ 'n_episode': 8,
64
+ 'stop_value': 200
65
+ }
66
+ },
67
+ 'other': {
68
+ 'replay_buffer': {
69
+ 'replay_buffer_size': 100000
70
+ },
71
+ 'eps': {
72
+ 'type': 'exp',
73
+ 'start': 0.95,
74
+ 'end': 0.1,
75
+ 'decay': 50000
76
+ }
77
+ },
78
+ 'on_policy': False,
79
+ 'cuda': False,
80
+ 'multi_gpu': False,
81
+ 'bp_update_sync': True,
82
+ 'traj_len_inf': False,
83
+ 'type': 'c51',
84
+ 'priority': False,
85
+ 'priority_IS_weight': False,
86
+ 'discount_factor': 0.99,
87
+ 'nstep': 3,
88
+ 'cfg_type': 'C51PolicyDict'
89
+ },
90
+ 'exp_name': 'Lunarlander-v2-C51',
91
+ 'seed': 0,
92
+ 'wandb_logger': {
93
+ 'gradient_logger': True,
94
+ 'video_logger': True,
95
+ 'plot_logger': True,
96
+ 'action_logger': True,
97
+ 'return_logger': False
98
+ }
99
+ }