حلقة البيئة والوكيل في Gymnasium
فهم واجهة reset وstep وحالات الانتهاء.
الهدف: تدريب وكيل بخوارزمية جاهزة وتقييمه.
import gymnasium as gym
from stable_baselines3 import PPO
from stable_baselines3.common.evaluation import evaluate_policy
env = gym.make("CartPole-v1")
model = PPO("MlpPolicy", env, seed=0, verbose=0, device="cpu")
mean0, _ = evaluate_policy(model, env, n_eval_episodes=5)
model.learn(total_timesteps=20_000)
mean, std = evaluate_policy(model, env, n_eval_episodes=10)
print(f"العائد قبل التدريب: {mean0:.1f}")
print(f"العائد بعد 20 ألف خطوة: {mean:.1f} ± {std:.1f}")
نُنشئ PPO بسياسة MLP ونتدرب عدداً محدوداً من الخطوات، ثم نقيّم بـ evaluate_policy على حلقات منفصلة. العائد الأقصى في CartPole-v1 هو 500. النتيجة تتأثر بعدد الخطوات والبذرة.
العائد قبل التدريب: 250.4 العائد بعد 20 ألف خطوة: 500.0 ± 0.0
نُفّذ هذا المثال فعلياً واختُبر بتاريخ 21 نوفمبر 2026 على CPU — stable-baselines3 2.9.2, gymnasium 1.4.0, python 3.13.18
فهم واجهة reset وstep وحالات الانتهاء.
الأقسام
لا يوجد قسم بهذا الاسم. اضغط «بحث» للبحث في محتوى الموقع كله.
المفضلة
نتائجي وشهاداتي
تقدّمي في الأكاديميةنتائج اختباراتيتقدّم الأطفالشهادات الأكاديميةشهادات الاختباراتابدأ أي درس أو اختبار وسيظهر هنا لتعود إليه بسرعة.
الإعدادات
أنا المساعد الذكي لأطر ومكتبات الذكاء الاصطناعي. صف مشروعك أو اسألني عن مكتبة أو مقارنة أو مثال برمجي، وسأجيبك من قاعدة بيانات الموسوعة مع الروابط والمصادر.
يجيب من قاعدة بيانات الموسوعة فقط، دون نموذج لغوي ودون إرسال سؤالك إلى أي جهة خارجية.
قد يخطئ المساعد أحياناً، فراجع المصادر المرفقة.