zjowowen commited on
Commit
ed99602
1 Parent(s): 48f9bca

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': 6000,
14
+ 'env_id': 'Hopper-v3',
15
+ 'norm_obs': {
16
+ 'use_norm': False
17
+ },
18
+ 'norm_reward': {
19
+ 'use_norm': False
20
+ },
21
+ 'collector_env_num': 1,
22
+ 'evaluator_env_num': 8,
23
+ 'n_evaluator_episode': 8
24
+ },
25
+ 'policy': {
26
+ 'model': {
27
+ 'obs_shape': 11,
28
+ 'action_shape': 3,
29
+ 'twin_critic': False,
30
+ 'actor_head_hidden_size': 256,
31
+ 'critic_head_hidden_size': 256,
32
+ 'action_space': 'regression'
33
+ },
34
+ 'learn': {
35
+ 'learner': {
36
+ 'train_iterations': 1000000000,
37
+ 'dataloader': {
38
+ 'num_workers': 0
39
+ },
40
+ 'log_policy': True,
41
+ 'hook': {
42
+ 'load_ckpt_before_run': '',
43
+ 'log_show_after_iter': 100,
44
+ 'save_ckpt_after_iter': 10000,
45
+ 'save_ckpt_after_run': True
46
+ },
47
+ 'cfg_type': 'BaseLearnerDict'
48
+ },
49
+ 'update_per_collect': 1,
50
+ 'batch_size': 256,
51
+ 'learning_rate_actor': 0.001,
52
+ 'learning_rate_critic': 0.001,
53
+ 'ignore_done': False,
54
+ 'target_theta': 0.005,
55
+ 'discount_factor': 0.99,
56
+ 'actor_update_freq': 1,
57
+ 'noise': False
58
+ },
59
+ 'collect': {
60
+ 'collector': {},
61
+ 'unroll_len': 1,
62
+ 'noise_sigma': 0.1,
63
+ 'n_sample': 1
64
+ },
65
+ 'eval': {
66
+ 'evaluator': {
67
+ 'eval_freq': 5000,
68
+ 'render': {
69
+ 'render_freq': -1,
70
+ 'mode': 'train_iter'
71
+ },
72
+ 'cfg_type': 'InteractionSerialEvaluatorDict',
73
+ 'n_episode': 8,
74
+ 'stop_value': 6000
75
+ }
76
+ },
77
+ 'other': {
78
+ 'replay_buffer': {
79
+ 'replay_buffer_size': 1000000
80
+ }
81
+ },
82
+ 'on_policy': False,
83
+ 'cuda': True,
84
+ 'multi_gpu': False,
85
+ 'bp_update_sync': True,
86
+ 'traj_len_inf': False,
87
+ 'type': 'ddpg',
88
+ 'priority': False,
89
+ 'priority_IS_weight': False,
90
+ 'random_collect_size': 25000,
91
+ 'transition_with_policy_data': False,
92
+ 'action_space': 'continuous',
93
+ 'reward_batch_norm': False,
94
+ 'multi_agent': False,
95
+ 'cfg_type': 'DDPGPolicyDict'
96
+ },
97
+ 'exp_name': 'Hopper-v3-DDPG',
98
+ 'seed': 0
99
+ }