这是一个经过训练的 PPO 智能体模型，运行于 seals/CartPole-v0 环境 通过 stable-baselines3 库 和 RL Zoo 实现。
RL Zoo 是专为 Stable Baselines3 强化学习智能体 打造的训练框架， 包含超参数优化和预训练智能体。
RL Zoo：https://github.com/DLR-RM/rl-baselines3-zoo
SB3：https://github.com/DLR-RM/stable-baselines3
SB3 Contrib：https://github.com/Stable-Baselines-Team/stable-baselines3-contrib
安装 RL Zoo（包含 SB3 和 SB3-Contrib）：
pip install rl_zoo3# Download model and save it into the logs/ folder
python -m rl_zoo3.load_from_hub --algo ppo --env seals/CartPole-v0 -orga HumanCompatibleAI -f logs/
python -m rl_zoo3.enjoy --algo ppo --env seals/CartPole-v0 -f logs/如果您通过 pip 安装了 RL Zoo3（pip install rl_zoo3），您可以在任意位置执行以下操作：
python -m rl_zoo3.load_from_hub --algo ppo --env seals/CartPole-v0 -orga HumanCompatibleAI -f logs/
python -m rl_zoo3.enjoy --algo ppo --env seals/CartPole-v0 -f logs/python -m rl_zoo3.train --algo ppo --env seals/CartPole-v0 -f logs/
# Upload the model and generate video (when possible)
python -m rl_zoo3.push_to_hub --algo ppo --env seals/CartPole-v0 -f logs/ -orga HumanCompatibleAIOrderedDict([('batch_size', 256),
('clip_range', 0.4),
('ent_coef', 0.008508727919228772),
('gae_lambda', 0.9),
('gamma', 0.9999),
('learning_rate', 0.0012403278189645594),
('max_grad_norm', 0.8),
('n_envs', 8),
('n_epochs', 10),
('n_steps', 512),
('n_timesteps', 100000.0),
('policy', 'MlpPolicy'),
('policy_kwargs',
{'activation_fn': <class 'torch.nn.modules.activation.ReLU'>,
'net_arch': [{'pi': [64, 64], 'vf': [64, 64]}]}),
('vf_coef', 0.489343896591493),
('normalize', False)]){'render_mode': 'rgb_array'}