Skip to content

fix(notebook,#14806): de-pin cellules 0/44 rl_1_intro_cartpole — valeurs stochastiques en ordre de grandeur #14882

New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Merged
jsboige merged 2 commits into from
Sep 6, 2026
Merged

fix(notebook,#14806): de-pin cellules 0/44 rl_1_intro_cartpole — valeurs stochastiques en ordre de grandeur #14882

Changes from all commits
Commits
Show all changes
2 commits
Select commit Hold shift + click to select a range
6ef429a
fix(notebook,#14806): de-pin cellules 0/44 rl_1_intro_cartpole — vale…
Sep 6, 2026
ba88839
chore(#14882): wake prev_guard after prev: -> #14792 (MERGED) body fix
Sep 6, 2026
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
12 changes: 7 additions & 5 deletions MyIA.AI.Notebooks/RL/rl_1_intro_cartpole.ipynb
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -79,8 +79,8 @@
"\n",
"### Sortie cle du notebook\n",
"\n",
"Après entraînement, la récompense moyenne passe de **22 (aléatoire)** a **405 ± 108\n",
"(determiiste)** sur 100 épisodes -- le saut classique de PPO sur CartPole. Gymnasium\n",
"Après entraînement, la récompense moyenne passe de **22 (aléatoire)** a **~405 ± ~108\n",
"(deterministe)** sur 100 épisodes -- le saut classique de PPO sur CartPole. Le ± restant reflète la variabilité des conditions initiales (seuls le modèle et l'échantillonnage sont seedés). Gymnasium\n",
"declare CartPole-v1 « resolu » a partir de 475 de moyenne sur 100 épisodes ; on en est\n",
"proche en seulement 10 000 pas d'entraînement.\n"
]
Expand Down Expand Up @@ -2281,9 +2281,11 @@
"\n",
"### Résultats attendus (10 000 pas, seed 42)\n",
"\n",
"- PPO : 405 +/- 108\n",
"- A2C : 350 +/- 120 (plus lent a converger)\n",
"- DQN : 380 +/- 130 (off-policy, replay buffer)\n",
"- PPO : ~405 +/- ~108\n",
"- A2C : ~350 +/- ~120 (plus lent a converger)\n",
"- DQN : ~380 +/- ~130 (off-policy, replay buffer)\n",
"\n",
"Les valeurs sont des ordres de grandeur : le ± reflète la variabilité des conditions initiales des épisodes d'évaluation (`SEED = 42` seede le modèle et l'échantillonnage, pas les états initiaux).\n",
"\n",
"### Analyse\n",
"\n",
Expand Down
Loading