Views
No views yet
1import gym
2
3from stable_baselines3 import PPO # Modelo que vamos a usar
4from stable_baselines3.common.evaluation import evaluate_policy # Evaluación de los resultados del modelo entrenado
5from stable_baselines3.common.env_util import make_vec_env
6
7# Creo el env
8env = gym.make('LunarLander-v2')
9
10# Selecciono el modelo, en este caso el PPO, y lo ponemos a entrenar
11model = PPO('MlpPolicy',env,verbose=1).learn(total_timesteps=1000000,progress_bar=True)
12
13# Lo guardamos
14model.save('Lunar_Lander')
15
16# Creamos un nuevo env en el que probamos el modelo (valdría el mismo pero reseteado)
17eval_env = gym.make('LunarLander-v2')
18
19# Evaluamos el modelo
20mean_reward, std_reward = evaluate_policy(model, eval_env, n_eval_episodes=10, deterministic=True)
21
22# Print the results
23print(f"mean_reward={mean_reward:.2f} +/- {std_reward}")
24