Proximal Policy Optimization and Generalized Advantage Estimation implementation with Tensorflow2
This implementation only supports CartPole environment(OpenAI gym).
このリポジトリは強化学習アルゴリズムProximal Policy Optimization及びGeneralized Advantage EstimationをTensorflow2で実装したものです。（学習環境はCartPoleにのみ対応しています。）
PPOについて解説したブログはこちらになります（2020年6月29日10:00より公開）
https://tech.morikatron.ai/entry/2020/06/29/100000
- Proximal Policy Optimization Algorithms, Schulman et al. 2017
https://arxiv.org/abs/1707.06347 - High-Dimensional Continuous Control Using Generalized Advantage Estimation, Schulman et al. 2016
https://arxiv.org/abs/1506.02438
- Python3
- tensorflow2
- gym
- tqdm
- clone this repo
$ git clone https://github.com/morikatron/PPO.git
- change directory and run
$ cd PPO
$ python algo/run.py
