RL-06-05-实验记录与复现

← 上级：RL-06.评估环境与工具链

---

一、复现 Checklist

项	做法
Seed	Python/NumPy/Torch/env 全设
版本	requirements.txt 锁 gymnasium、sb3、torch
Config	yaml/json 存超参
Checkpoint	定期存 model + optimizer + step
日志	TensorBoard / W&B 存曲线与 config
代码	git commit hash 写入 log

---

二、requirements 示例

gymnasium==0.29.1
stable-baselines3==2.3.0
torch>=2.0.0
numpy>=1.24.0

---

三、seed 工具

def set_global_seed(seed):
    import random, os
    import numpy as np
    import torch
    random.seed(seed)
    np.random.seed(seed)
    torch.manual_seed(seed)
    os.environ["PYTHONHASHSEED"] = str(seed)

---

四、Weights & Biases（可选）

import wandb
wandb.init(project="rl-cartpole", config=cfg)
wandb.log({"ep_return": ret, "loss": loss}, step=global_step)

---

五、公平对比

• 相同 total_timesteps
• 相同 env id 与 wrapper
• 相同 eval 协议（deterministic, n_episodes）
• 多 seed 报 mean±std

---

六、小结

• 无记录 = 无法复现；config + seed + 版本 三件套必备。
• RL-06 完结 → RL-07 实战子篇