Stable Baselines3 v2.6.0版本发布:新增回调函数与优化工具
项目简介
Stable Baselines3是基于PyTorch的强化学习算法库,提供了多种经典强化学习算法的实现。作为OpenAI Baselines的继任者,它以其模块化设计、良好的文档和易用性在强化学习社区广受欢迎。本次发布的v2.6.0版本带来了一系列新功能和改进,进一步提升了用户体验和算法性能。
核心更新内容
1. 新增LogEveryNTimesteps回调函数
v2.6.0引入了一个实用的LogEveryNTimesteps
回调函数,允许用户按固定时间步长记录训练日志。这个功能特别适合长时间运行的训练任务,开发者可以更灵活地控制日志输出频率,而不会干扰正常的训练过程。
使用时需要注意,为了避免与算法内置的日志记录冲突,需要将log_interval
参数设置为None。这种设计体现了框架对用户自定义需求的尊重,同时也保持了系统的简洁性。
2. VecEnv环境新增has_attr方法
强化学习训练中经常需要检查向量化环境是否具有某些属性。新版本为VecEnv
类增加了has_attr
方法,提供了一种标准化的方式来检查属性存在性。这个改进特别解决了MaskablePPO与SubprocVecEnv配合使用时出现的pickling问题,使得环境包装更加健壮。
3. 超参数优化重构
RL Zoo3训练框架对超参数优化进行了重大重构,现在支持Optuna的Journal存储后端作为推荐默认选项。这一改进使得超参数调优过程更加透明和可追踪,用户可以通过新的--trial-id
参数轻松加载已调优的超参数配置。
重要改进与修复
-
Gymnasium v1.1支持:保持与最新版Gymnasium的兼容性,确保用户可以使用最新的环境特性。
-
SubProcVecEnv优雅退出:改进了子进程环境的退出机制,现在使用KeyboardInterrupt时不会产生大量堆栈跟踪信息,提升了交互体验。
-
SBX(Jax版本)改进:PPO算法现在支持
net_arch
参数配置网络架构,修复了SAC系列算法中熵系数记录错误的问题,并改进了PPO在非标准化环境中的预测行为。
开发者工具与文档改进
-
命令行记录:RL Zoo现在会自动保存训练使用的完整命令行,方便实验复现。
-
特殊向量化环境支持:允许覆盖ExperimentManager中使用的VecEnv类,为Brax、IsaacSim等特殊环境提供了更好的支持。
-
文档增强:新增了关于Gym包装器与make_vec_env配合使用的说明,完善了回调函数文档,并添加了MultiInputPolicy的ONNX导出示例。
向后兼容性说明
本次版本将algo._dump_logs()
方法标记为弃用,推荐使用新的algo.dump_logs()
方法。这一变更将在v2.7.0中完全移除旧方法,开发者应尽快更新代码。
总结
Stable Baselines3 v2.6.0通过新增实用功能和改进现有工具,进一步强化了其作为强化学习研究与实践首选工具的地位。从更灵活的日志记录到更健壮的环境处理,再到更强大的超参数优化能力,这些改进都体现了项目团队对用户体验的持续关注。对于强化学习开发者和研究者而言,升级到这一版本将带来更顺畅的开发体验和更可靠的训练过程。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0299- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









