File size: 2,014 Bytes
1a0d68d |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 |
import os
from stable_baselines3 import SAC
from stable_baselines3.common.vec_env import DummyVecEnv, VecFrameStack
from stable_baselines3.common.monitor import Monitor
# rc_car_envs.py dosyasından sınıfları çekiyoruz
from rc_car_envs import RcCarTargetEnv, RcCarDriveEnv, RcCarComplexEnv
# ==========================================
# AYARLAR: HANGİ MODU EĞİTECEKSİN?
# ==========================================
# Seçenekler: "target", "drive", "complex"
MODE = "complex"
if __name__ == "__main__":
log_dir = f"./logs_{MODE}/"
model_dir = f"./models_{MODE}/"
os.makedirs(log_dir, exist_ok=True)
os.makedirs(model_dir, exist_ok=True)
# 1. Ortamı Seç
if MODE == "target":
print("🎯 TARGET Mode Seçildi: Sadece hedefe gitmeyi öğrenecek.")
env = RcCarTargetEnv()
elif MODE == "drive":
print("🏎️ DRIVE Mode Seçildi: Sadece hızlı sürmeyi öğrenecek.")
env = RcCarDriveEnv()
elif MODE == "complex":
print("🧠 COMPLEX Mode Seçildi: Hedef + Engel + Hız.")
env = RcCarComplexEnv()
else:
raise ValueError("Geçersiz Mod! 'target', 'drive' veya 'complex' seçin.")
# 2. Wrapperlar (İzleme ve Stack)
env = Monitor(env, filename=os.path.join(log_dir, "monitor"))
env = DummyVecEnv([lambda: env])
env = VecFrameStack(env, n_stack=4)
# 3. Model Kurulumu
print(f"🚀 {MODE.upper()} eğitimi başlıyor...")
model = SAC.load("./models_target/sac_rc_car_target_interrupted", env=env, tensorboard_log=log_dir)
# 4. Eğitim
try:
# İstersen adım sayısını artırabilirsin
model.learn(total_timesteps=500_000, progress_bar=True)
# Kaydet
model.save(f"{model_dir}/sac_rc_car_{MODE}_final")
print("✅ Eğitim Başarıyla Tamamlandı.")
except KeyboardInterrupt:
print("🛑 Eğitim manuel durduruldu. Kaydediliyor...")
model.save(f"{model_dir}/sac_rc_car_{MODE}_interrupted") |