> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-docs-hivemind-launch.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

> W&B を Stable Baselines3 と統合して、強化学習の実験をトラッキングし、トレーニングのパフォーマンスをログします。

# Stable Baselines 3 PyTorch

[Stable Baselines 3](https://github.com/DLR-RM/stable-baselines3) (SB3) は、PyTorch で実装された信頼性の高い強化学習アルゴリズム群です。W\&B の SB3 インテグレーションでは、次のことができます。

* 損失やエピソードごとのリターンなどのメトリクスを記録します。
* ゲームをプレイするエージェントの動画をアップロードします。
* トレーニング済みモデルを保存します。
* モデルのハイパーパラメーターをログします。
* モデルの勾配ヒストグラムをログします。

[SB3 のトレーニング run の例](https://wandb.ai/wandb/sb3/runs/1jyr6z10)をご覧ください。

<div id="log-your-sb3-experiments">
  ## SB3 Experimentsをログする
</div>

```python theme={null}
from wandb.integration.sb3 import WandbCallback

model.learn(..., callback=WandbCallback())
```

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-docs-hivemind-launch/zScEGRJKnI_Vuqe8/images/integrations/stable_baselines_demo.gif?s=32a8c493b91d30adb85f4cb36325e7af" alt="W&BでのStable Baselines 3のトレーニング" width="2448" height="1544" data-path="images/integrations/stable_baselines_demo.gif" />
</Frame>

<div id="wandbcallback-arguments">
  ## WandbCallback の引数
</div>

| 引数                   | 用途                                                |
| :------------------- | :------------------------------------------------ |
| `verbose`            | sb3 出力の詳細レベル                                      |
| `model_save_path`    | モデルを保存するフォルダーのパス。デフォルト値は `None` で、その場合モデルはログされません |
| `model_save_freq`    | モデルを保存する頻度                                        |
| `gradient_save_freq` | 勾配をログする頻度。デフォルト値は 0 のため、勾配はログされません                |

<div id="basic-example">
  ## 基本的な例
</div>

W\&B SB3 インテグレーションでは、TensorBoard から出力されるログを使用してメトリクスをログします

```python theme={null}
import gym
from stable_baselines3 import PPO
from stable_baselines3.common.monitor import Monitor
from stable_baselines3.common.vec_env import DummyVecEnv, VecVideoRecorder
import wandb
from wandb.integration.sb3 import WandbCallback


config = {
    "policy_type": "MlpPolicy",
    "total_timesteps": 25000,
    "env_name": "CartPole-v1",
}
run = wandb.init(
    project="sb3",
    config=config,
    sync_tensorboard=True,  # sb3のtensorboardメトリクスを自動アップロード
    monitor_gym=True,  # エージェントがゲームをプレイする動画を自動アップロード
    save_code=True,  # 任意
)


def make_env():
    env = gym.make(config["env_name"])
    env = Monitor(env)  # リターンなどの統計を記録
    return env


env = DummyVecEnv([make_env])
env = VecVideoRecorder(
    env,
    f"videos/{run.id}",
    record_video_trigger=lambda x: x % 2000 == 0,
    video_length=200,
)
model = PPO(config["policy_type"], env, verbose=1, tensorboard_log=f"runs/{run.id}")
model.learn(
    total_timesteps=config["total_timesteps"],
    callback=WandbCallback(
        gradient_save_freq=100,
        model_save_path=f"models/{run.id}",
        verbose=2,
    ),
)
run.finish()
```