PPO

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

Relevant Papers

• 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

Requirements

• Python3
• tensorflow2
• gym
• tqdm

Usage

• clone this repo

$ git clone https://github.com/morikatron/PPO.git

• change directory and run

$ cd PPO
$ python algo/run.py

Performance Example