Aron751 commited on
Commit
7531436
1 Parent(s): 5277a75

Upload policy_config.py with huggingface_hub

Browse files
Files changed (1) hide show
  1. policy_config.py +97 -0
policy_config.py ADDED
@@ -0,0 +1,97 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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': 30000,
14
+ 'n_evaluator_episode': 8,
15
+ 'env_id': 'QbertNoFrameskip-v4',
16
+ 'collector_env_num': 8,
17
+ 'evaluator_env_num': 8,
18
+ 'fram_stack': 4
19
+ },
20
+ 'policy': {
21
+ 'model': {
22
+ 'encoder_hidden_size_list': [128, 128, 512],
23
+ 'obs_shape': [4, 84, 84],
24
+ 'action_shape': 6
25
+ },
26
+ 'learn': {
27
+ 'learner': {
28
+ 'train_iterations': 1000000000,
29
+ 'dataloader': {
30
+ 'num_workers': 0
31
+ },
32
+ 'log_policy': True,
33
+ 'hook': {
34
+ 'load_ckpt_before_run': '',
35
+ 'log_show_after_iter': 100,
36
+ 'save_ckpt_after_iter': 10000,
37
+ 'save_ckpt_after_run': True
38
+ },
39
+ 'cfg_type': 'BaseLearnerDict'
40
+ },
41
+ 'update_per_collect': 10,
42
+ 'batch_size': 32,
43
+ 'learning_rate': 0.0001,
44
+ 'target_update_freq': 500,
45
+ 'target_theta': 0.005,
46
+ 'ignore_done': False
47
+ },
48
+ 'collect': {
49
+ 'collector': {},
50
+ 'n_sample': 100,
51
+ 'unroll_len': 1
52
+ },
53
+ 'eval': {
54
+ 'evaluator': {
55
+ 'eval_freq': 1000,
56
+ 'render': {
57
+ 'render_freq': -1,
58
+ 'mode': 'train_iter'
59
+ },
60
+ 'cfg_type': 'InteractionSerialEvaluatorDict',
61
+ 'stop_value': 30000,
62
+ 'n_episode': 8
63
+ }
64
+ },
65
+ 'other': {
66
+ 'replay_buffer': {
67
+ 'replay_buffer_size': 400000
68
+ },
69
+ 'eps': {
70
+ 'type': 'exp',
71
+ 'start': 1.0,
72
+ 'end': 0.05,
73
+ 'decay': 1000000
74
+ }
75
+ },
76
+ 'on_policy': False,
77
+ 'cuda': True,
78
+ 'multi_gpu': False,
79
+ 'bp_update_sync': True,
80
+ 'traj_len_inf': False,
81
+ 'type': 'dqn',
82
+ 'priority': False,
83
+ 'priority_IS_weight': False,
84
+ 'discount_factor': 0.99,
85
+ 'nstep': 3,
86
+ 'cfg_type': 'DQNPolicyDict'
87
+ },
88
+ 'exp_name': 'QbertNoFrameskip-v4-DQN',
89
+ 'seed': 0,
90
+ 'wandb_logger': {
91
+ 'gradient_logger': True,
92
+ 'video_logger': True,
93
+ 'plot_logger': True,
94
+ 'action_logger': True,
95
+ 'return_logger': False
96
+ }
97
+ }