stable baselines3 tutorial - getting started

Stable Baselines3 是一个用于强化学习的Python库，它提供了训练和评估强化学习算法的工具。

要开始使用 Stable Baselines3，首先需要安装它。可以通过 pip 安装稳定的 Baselines3：

pip install stable-baselines3

安装完成后，我们可以导入所需的模块并开始构建我们的强化学习模型。

首先，我们需要选择一个适合我们任务的强化学习算法。Stable Baselines3 提供了多种算法，比如 A2C、PPO、SAC等。选择算法后，我们可以实例化一个模型对象。

from stable_baselines3 import A2C

model = A2C('MlpPolicy', 'CartPole-v1', verbose=1)

在这个例子中，我们选择了 A2C 算法，并将其用于 CartPole-v1 的任务。

接下来，我们可以使用模型对象对算法进行训练。

model.learn(total_timesteps=10000)

这里我们使用了 learn 方法来训练模型，total_timesteps 参数指定了总的训练步数。

训练完成后，我们可以使用训练好的模型来进行评估。

mean_reward, std_reward = evaluate_policy(model, 'CartPole-v1', n_eval_episodes=10)

这里我们使用了 evaluate_policy 方法来评估模型的性能，n_eval_episodes 参数指定了评估时的回合数。

除了训练和评估，Stable Baselines3 还提供了其他功能，比如加载和保存模型、可视化训练过程等。

总的来说，使用 Stable Baselines3 进行强化学习任务非常方便。只需要选择适合的算法、构建模型对象、训练和评估模型，就可以快速地开展强化学习研究和应用。