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

# Stable Baselines 3

> W&B를 Stable Baseline 3와 통합하는 방법.

[Stable Baselines 3](https://github.com/DLR-RM/stable-baselines3) (SB3)는 PyTorch 기반의 신뢰할 수 있는 강화학습 알고리즘 구현체 모음입니다. W\&B의 SB3 인테그레이션은 다음과 같은 기능을 제공합니다:

* 손실(loss) 및 에피소드 리턴(episodic returns)과 같은 메트릭 기록.
* 게임을 플레이하는 에이전트의 비디오 업로드.
* 트레이닝된 모델 저장.
* 모델의 하이퍼파라미터 로그 기록.
* 모델 그레이디언트 히스토그램 로그 기록.

[SB3 트레이닝 run 예시](https://wandb.ai/wandb/sb3/runs/1jyr6z10)를 확인해 보세요.

## SB3 Experiments 로그 기록하기

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

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

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-serverless-sft-revamp/BevZcu_nlDc3-0aS/images/integrations/stable_baselines_demo.gif?s=651ae909186cc0382c637d63d16c049e" alt="Stable Baselines 3 training with W&B" width="2448" height="1544" data-path="images/integrations/stable_baselines_demo.gif" />
</Frame>

## WandbCallback 인수

| 인수                   | 용도                                             |
| :------------------- | :--------------------------------------------- |
| `verbose`            | sb3 출력의 상세 수준                                  |
| `model_save_path`    | 모델이 저장될 폴더 경로. 기본값은 \`None\`이며 모델이 로그에 기록되지 않음 |
| `model_save_freq`    | 모델 저장 주기                                       |
| `gradient_save_freq` | 그레이디언트 로그 기록 주기. 기본값은 0이며 그레이디언트가 로그에 기록되지 않음  |

## 기본 예제

W\&B SB3 인테그레이션은 TensorBoard의 로그 출력을 사용하여 메트릭을 로그로 기록합니다.

```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,  # sb3의 tensorboard 메트릭 자동 업로드
    monitor_gym=True,  # 게임을 플레이하는 에이전트의 비디오 자동 업로드
    save_code=True,  # 선택 사항
)


def make_env():
    env = gym.make(config["env_name"])
    env = Monitor(env)  # 리턴과 같은 통계 기록
    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()
```