# Hugging Face에서 RL-Baselines3-Zoo 사용

`rl-baselines3-zoo`는 Stable Baselines3을 사용하는 강화 학습 훈련 프레임워크입니다.

## Hub에서 RL-Baselines3-Zoo 탐색

[모델 페이지](https://huggingface.co/models?library=stable-baselines3) 왼쪽에서 필터링하여 RL-Baselines3-Zoo 모델을 찾을 수 있습니다.

Stable-Baselines3 팀은 튜닝된 하이퍼파라미터를 갖춘 150개 이상의 학습된 강화 학습 에이전트 컬렉션을 [여기](https://huggingface.co/sb3)에서 제공합니다.

Hub의 모든 모델에는 유용한 기능이 함께 제공됩니다:
1. 설명, 학습 구성 및 기타 항목이 포함된 자동 생성된 모델 카드
2. 검색 가능성을 높이는 메타데이터 태그.
3. 다른 모델과 비교하기 위한 평가 결과.
4. 에이전트가 수행하는 모습을 볼 수 있는 비디오 위젯입니다.

## 기존 모델 사용
`load_from_hub`를 사용하여 Hub에서 모델을 다운로드할 수 있습니다:

```
# Download ppo SpaceInvadersNoFrameskip-v4 model and save it into the logs/ folder
python -m rl_zoo3.load_from_hub --algo dqn --env SpaceInvadersNoFrameskip-v4 -f logs/ -orga sb3
python enjoy.py --algo dqn --env SpaceInvadersNoFrameskip-v4  -f logs/
```

세 가지 매개변수를 정의할 수 있습니다:
- `--repo-name`: 저장소 이름.
- `-orga`: Hugging Face 사용자 이름 또는 조직.
- `-f`: 대상 폴더.

## 모델 공유
`push_to_hub`를 사용하면 모델을 쉽게 업로드할 수 있습니다. 이 함수는 모델을 저장하고, 평가하며, 모델 카드를 생성한 후, 에이전트의 리플레이 비디오를 기록하고, 전체 저장소를 Hub에 푸시합니다.

```
python -m rl_zoo3.push_to_hub  --algo dqn  --env SpaceInvadersNoFrameskip-v4  --repo-name dqn-SpaceInvadersNoFrameskip-v4  -orga ThomasSimonini  -f logs/
```

세 가지 매개변수를 정의할 수 있습니다:
- `--repo-name`: 저장소 이름.
- `-orga`: Hugging Face 사용자 이름.
- `-f`: 모델이 저장되는 폴더.

## 추가 리소스

* RL-Baselines3-Zoo [공식 학습된 모델](https://huggingface.co/sb3)
* RL-Baselines3-Zoo [문서](https://github.com/DLR-RM/rl-baselines3-zoo)