zjowowen commited on
Commit
90c145e
1 Parent(s): b88b065

Upload policy_config.py with huggingface_hub

Browse files
Files changed (1) hide show
  1. policy_config.py +101 -0
policy_config.py ADDED
@@ -0,0 +1,101 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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': 240,
14
+ 'env_id': 'LunarLanderContinuous-v2',
15
+ 'collector_env_num': 4,
16
+ 'evaluator_env_num': 8,
17
+ 'act_scale': True,
18
+ 'n_evaluator_episode': 8
19
+ },
20
+ 'policy': {
21
+ 'model': {
22
+ 'twin_critic': True,
23
+ 'action_space': 'reparameterization',
24
+ 'obs_shape': 8,
25
+ 'action_shape': 2
26
+ },
27
+ 'learn': {
28
+ 'learner': {
29
+ 'train_iterations': 1000000000,
30
+ 'dataloader': {
31
+ 'num_workers': 0
32
+ },
33
+ 'log_policy': True,
34
+ 'hook': {
35
+ 'load_ckpt_before_run': '',
36
+ 'log_show_after_iter': 100,
37
+ 'save_ckpt_after_iter': 10000,
38
+ 'save_ckpt_after_run': True
39
+ },
40
+ 'cfg_type': 'BaseLearnerDict'
41
+ },
42
+ 'update_per_collect': 256,
43
+ 'batch_size': 128,
44
+ 'learning_rate_q': 0.001,
45
+ 'learning_rate_policy': 0.0003,
46
+ 'learning_rate_alpha': 0.0003,
47
+ 'target_theta': 0.005,
48
+ 'discount_factor': 0.99,
49
+ 'alpha': 0.2,
50
+ 'auto_alpha': True,
51
+ 'log_space': True,
52
+ 'target_entropy': None,
53
+ 'ignore_done': False,
54
+ 'init_w': 0.003
55
+ },
56
+ 'collect': {
57
+ 'collector': {},
58
+ 'n_sample': 256,
59
+ 'unroll_len': 1,
60
+ 'collector_logit': False
61
+ },
62
+ 'eval': {
63
+ 'evaluator': {
64
+ 'eval_freq': 1000,
65
+ 'render': {
66
+ 'render_freq': -1,
67
+ 'mode': 'train_iter'
68
+ },
69
+ 'cfg_type': 'InteractionSerialEvaluatorDict',
70
+ 'n_episode': 8,
71
+ 'stop_value': 240
72
+ }
73
+ },
74
+ 'other': {
75
+ 'replay_buffer': {
76
+ 'replay_buffer_size': 100000
77
+ }
78
+ },
79
+ 'on_policy': False,
80
+ 'cuda': True,
81
+ 'multi_gpu': False,
82
+ 'bp_update_sync': True,
83
+ 'traj_len_inf': False,
84
+ 'type': 'sac',
85
+ 'priority': False,
86
+ 'priority_IS_weight': False,
87
+ 'random_collect_size': 10000,
88
+ 'transition_with_policy_data': True,
89
+ 'multi_agent': False,
90
+ 'cfg_type': 'SACPolicyDict'
91
+ },
92
+ 'exp_name': 'LunarLander-v2-SAC',
93
+ 'seed': 0,
94
+ 'wandb_logger': {
95
+ 'gradient_logger': True,
96
+ 'video_logger': True,
97
+ 'plot_logger': True,
98
+ 'action_logger': True,
99
+ 'return_logger': False
100
+ }
101
+ }