4 Commits

Author	SHA1	Message	Date
Serendipity	7dea00195e	feat: 添加并行训练脚本和奖励塑形以改进PPO性能 ... 引入并行环境训练脚本 train_parallel_improved.py，实现多进程并行数据收集 添加奖励塑形包装器，根据速度、赛道位置和完成圈数调整奖励信号 优化神经网络结构和训练参数，包括更大的rollout缓冲区 删除旧的tensorboard日志文件，创建新的训练运行记录	2026-05-01 09:26:39 +08:00
Serendipity	d6860f1f15	chore: 更新项目文档、依赖和训练脚本 ... - 更新 requirements.txt，添加 opencv-python-headless 并补充 uv 安装说明 - 修复 CSV 文件中的换行符格式（CRLF 转 LF） - 更新 TASK_PROGRESS.md，记录并行训练实现和 WSL 支持 - 优化 train_improved.py 代码格式，移除多余空行和注释 - 更新课程作业要求文档的字符编码 - 添加新的 TensorBoard 日志文件和训练模型	2026-05-01 09:26:23 +08:00
Serendipity	6b929e9790	docs: 添加强化学习项目报告及相关文件 ... 添加完整的强化学习个人项目报告，包括PDF文档、LaTeX源文件、训练曲线图、TensorBoard日志以及改进的训练脚本。报告详细记录了从零实现PPO算法解决CarRacing-v3环境的过程，包含算法设计、网络架构、超参数配置和实验结果分析。	2026-04-30 22:59:14 +08:00
Serendipity	b32490ae03	fix(ppo): 修正日志概率维度与状态张量格式 ... 修复 replay buffer 中 log_probs 的维度错误，从 (buffer_size, action_dim) 改为 buffer_size 修正训练时状态张量格式，从 (N, H, W, C) 转换为 (N, C, H, W) 更新 collect_rollout 返回观测值并修正 log_prob 计算 添加项目配置文件和训练曲线生成脚本	2026-04-30 20:30:40 +08:00