【笔记】深度强化学习-课程环境配置

已于 2024-03-08 09:52:28 修改
阅读量397 收藏 3
点赞数 2
文章标签： 笔记 python
于 2024-02-29 15:29:11 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/JHLHONORIFI/article/details/136369870
版权

深度强化学习-课程环境配置

文章目录

  • 使用工具
    Anaconda + Visual Studio Code
    Python + PyTorch
  • 电脑配置
    HP Pavilion Laptop Model 15-cw1001AU
    CPU: AMD Ryzen 3 3300U with Radeon Vega Mobile Gfx 2.10 GHz
    GPU: AMD Radeon™ Vega 6 集成显卡
    RAM: 16.0 GB

课程大纲

  • 神经网络和梯度下降
  • 强化学习基础（PyTorch）
  • 基于值函数的方法（Q-Learning，Rainbow）
  • 基于策略函数的方法（Policy-based Method）

环境配置

配置新环境

在Anaconda CMD Prompt 中创建新的环境，名为env_AI，随后工作在其中展开

 conda create --name env_AI python=3.10

python=3.10 ：根据pytorch适配情况搭配Python环境

等待弹出待安装的库后，输入"y"后回车。

安装完成后，激活新的库

conda activate env_AI
  • 可以通过conda env list查看已安装的环境的名字和位置
在激活的环境下查看现在已经安装的库
> conda list
bzip2                     1.0.8                h2bbff1b_5
ca-certificates           2023.12.12           haa95532_0
libffi                    3.4.4                hd77b12b_0
openssl                   3.0.13               h2bbff1b_0
pip                       23.3.1          py310haa95532_0
python                    3.10.13              he1021f5_0
setuptools                68.2.2          py310haa95532_0
sqlite                    3.41.2               h2bbff1b_0
tk                        8.6.12               h2bbff1b_0
tzdata                    2024a                h04d1e81_0
vc                        14.2                 h21ff451_1
vs2015_runtime            14.27.29016          h5e58377_2
wheel                     0.41.2          py310haa95532_0
xz                        5.4.6                h8cc25b3_0
zlib                      1.2.13               h8cc25b3_0
补全所需的一些库

建议选取网速较好，流量充足的地方配置，需要下载约1G的库。

  • pytorch
    在官网上查看得到，选取最新版本的PyTorch，考虑到我的电脑是AMD的集显，选取只用CPU的版本。对于实际情况，结合官网建议，选取适合自己电脑显卡（CPU）的Torch版本。

⇒ 继续在Prompt里面通过conda配置环境。

# CPU Only
conda install pytorch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 cpuonly -c pytorch
  • pandas： 数据处理
pip install pandas
  • numpy：数学计算和矩阵等计算
pip install numpy
  • scipy：数学计算
pip install scipy
  • matplotlib：科研绘图
pip install matplotlib

通常pandas + PyTorch 能一次性装完所有需要的包

  • seaborn：画图的
pip install seaborn
  • scikit-learn：成套的机器学习包，很方便直接用。
pip install -U scikit-learn
  • ipykernel：为了能够愉快地使用交互式的Jupyter，要装。
conda install -n env_AI ipykernel --update-deps --force-reinstall

这个是VS Code 自动安装没成功，强制重新安装的指令

  • 确认最终安装成功的列表
conda list
或
pip list

>
# packages in environment at F:\anaconda3\envs\env_AI:
#
# Name                    Version                   Build  Channel
asttokens                 2.0.5              pyhd3eb1b0_0
blas                      1.0                         mkl
brotli-python             1.0.9           py310hd77b12b_7
bzip2                     1.0.8                h2bbff1b_5
ca-certificates           2023.12.12           haa95532_0
certifi                   2024.2.2        py310haa95532_0
charset-normalizer        2.0.4              pyhd3eb1b0_0
colorama                  0.4.6           py310haa95532_0
comm                      0.1.2           py310haa95532_0
contourpy                 1.2.0                    pypi_0    pypi
cpuonly                   2.0                           0    pytorch
cycler                    0.12.1                   pypi_0    pypi
debugpy                   1.6.7           py310hd77b12b_0
decorator                 5.1.1              pyhd3eb1b0_0
exceptiongroup            1.2.0           py310haa95532_0
executing                 0.8.3              pyhd3eb1b0_0
filelock                  3.13.1          py310haa95532_0
fonttools                 4.49.0                   pypi_0    pypi
freetype                  2.12.1               ha860e81_0
gmpy2                     2.1.2           py310h7f96b67_0
idna                      3.4             py310haa95532_0
intel-openmp              2023.1.0         h59b6b97_46320
ipykernel                 6.28.0          py310haa95532_0
ipython                   8.20.0          py310haa95532_0
jedi                      0.18.1          py310haa95532_1
jinja2                    3.1.3           py310haa95532_0
joblib                    1.3.2                    pypi_0    pypi
jpeg                      9e                   h2bbff1b_1
jupyter_client            8.6.0           py310haa95532_0
jupyter_core              5.5.0           py310haa95532_0
kiwisolver                1.4.5                    pypi_0    pypi
lerc                      3.0                  hd77b12b_0
libdeflate                1.17                 h2bbff1b_1
libffi                    3.4.4                hd77b12b_0
libjpeg-turbo             2.0.0                h196d8e1_0
libpng                    1.6.39               h8cc25b3_0
libsodium                 1.0.18               h62dcd97_0
libtiff                   4.5.1                hd77b12b_0
libuv                     1.44.2               h2bbff1b_0
libwebp-base              1.3.2                h2bbff1b_0
lz4-c                     1.9.4                h2bbff1b_0
markupsafe                2.1.3           py310h2bbff1b_0
matplotlib                3.8.3                    pypi_0    pypi
matplotlib-inline         0.1.6           py310haa95532_0
mkl                       2023.1.0         h6b88ed4_46358
mkl-service               2.4.0           py310h2bbff1b_1
mkl_fft                   1.3.8           py310h2bbff1b_0
mkl_random                1.2.4           py310h59b6b97_0
mpc                       1.1.0                h7edee0f_1
mpfr                      4.0.2                h62dcd97_1
mpir                      3.0.0                hec2e145_1
mpmath                    1.3.0           py310haa95532_0
nest-asyncio              1.6.0           py310haa95532_0
networkx                  3.1             py310haa95532_0
numpy                     1.26.4          py310h055cbcc_0
numpy-base                1.26.4          py310h65a83cf_0
openjpeg                  2.4.0                h4fc8c34_0
openssl                   3.0.13               h2bbff1b_0
packaging                 23.2                     pypi_0    pypi
pandas                    2.2.1                    pypi_0    pypi
parso                     0.8.3              pyhd3eb1b0_0
pillow                    10.2.0          py310h2bbff1b_0
pip                       23.3.1          py310haa95532_0
platformdirs              3.10.0          py310haa95532_0
prompt-toolkit            3.0.43          py310haa95532_0
prompt_toolkit            3.0.43               hd3eb1b0_0
psutil                    5.9.0           py310h2bbff1b_0
pure_eval                 0.2.2              pyhd3eb1b0_0
pygments                  2.15.1          py310haa95532_1
pyparsing                 3.1.1                    pypi_0    pypi
pysocks                   1.7.1           py310haa95532_0
python                    3.10.13              he1021f5_0
python-dateutil           2.8.2              pyhd3eb1b0_0
pytorch                   2.2.0              py3.10_cpu_0    pytorch
pytorch-mutex             1.0                         cpu    pytorch
pytz                      2024.1                   pypi_0    pypi
pywin32                   305             py310h2bbff1b_0
pyyaml                    6.0.1           py310h2bbff1b_0
pyzmq                     25.1.2          py310hd77b12b_0
requests                  2.31.0          py310haa95532_1
scikit-learn              1.4.1.post1              pypi_0    pypi
scipy                     1.12.0                   pypi_0    pypi
seaborn                   0.13.2                   pypi_0    pypi
setuptools                68.2.2          py310haa95532_0
six                       1.16.0             pyhd3eb1b0_1
sqlite                    3.41.2               h2bbff1b_0
stack_data                0.2.0              pyhd3eb1b0_0
sympy                     1.12            py310haa95532_0
tbb                       2021.8.0             h59b6b97_0
threadpoolctl             3.3.0                    pypi_0    pypi
tk                        8.6.12               h2bbff1b_0
torchaudio                2.2.0                 py310_cpu    pytorch
torchvision               0.17.0                py310_cpu    pytorch
tornado                   6.3.3           py310h2bbff1b_0
traitlets                 5.7.1           py310haa95532_0
typing_extensions         4.9.0           py310haa95532_1
tzdata                    2024.1                   pypi_0    pypi
urllib3                   2.1.0           py310haa95532_1
vc                        14.2                 h21ff451_1
vs2015_runtime            14.27.29016          h5e58377_2
wcwidth                   0.2.5              pyhd3eb1b0_0
wheel                     0.41.2          py310haa95532_0
win_inet_pton             1.1.0           py310haa95532_0
xz                        5.4.6                h8cc25b3_0
yaml                      0.2.5                he774522_0
zeromq                    4.3.5                hd77b12b_0
zlib                      1.2.13               h8cc25b3_0
zstd                      1.5.5                hd43e919_0

2024-03-07
end

JHLHONORIFI
关注
  • 2
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
PyTorch强化学习实战（1）——强化学习环境配置与PyTorch基础
盼小辉丶的博客
05-29 9万+
工欲善其事，必先利其器。为了更专注于学习强化学习的思想，而不必关注其底层的计算细节，我们首先搭建相关强化学习环境，包括 PyTorch 和 Gym，其中 PyTorch 是我们将要使用的主要深度学习框架，Gym 则提供了用于各种强化学习模拟和任务的环境。除此之外，本文还介绍了一些 PyTorch 的基础知识，以及 Gym 环境的使用方法，为之后的强化学习实战奠定基础。
《深入浅出强化学习》学习笔记01-环境配置-20180213
wx_hu的博客
02-13 3457
最近在看郭博士的《深入浅出强化学习-原理入门》，这应该算是现在少有的强化学习入门书籍吧。不过看的过程中也会遇到一些困难，苦于没人讨论，比较坎坷，因此记录下历程，希望日后能找到志同道合的同学一起讨论。此篇博文主要记录相关环境配置与软件安装，所用系统为ubuntu16.04。1. 安装python以前对应python不是很熟悉，在同学建议下，安装anaconda大礼包。首先去清华镜像源下载安装包，下载...
2024最新Python安装与环境配置，超详细保姆级入门教程，python入门必备
2301_78095812的博客
05-29 2228
上方是python安装教程教学读者福利：如果大家对Python感兴趣，这套python学习资料一定对你有用对于0基础小白入门：如果你是零基础小白，想快速入门Python是可以考虑的。一方面是学习时间相对较短，学习内容更全面更集中二方面是可以根据这些资料规划好学习计划和方向包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析，人工智能、机器学习、Python量化交易等习教程。带你从零基础系统性的学好Python！
配置深度强化学习环境（Ubuntu18.04+3060TI显卡+远程控制）
Wincher's blog
12-21 4776
第一次自己动手配置环境，反反复复多次，故此记录，出问题时回来查询 安装Ubuntu18.04环境 1.从官网下载镜像源 http://releases.ubuntu.com/bionic/ 2.写入U盘 https://blog.csdn.net/weixin_41997327/article/details/103763141 这里选择的是UltraISO软件，其他也可以，网上自行百度即可 3.正式安装 https://blog.csdn.net/chencaw/article/details/101
强化学习环境配置
wushengjie1997的博客
05-21 296
Anaconda安装 Pytorch安装 访问官网：PyTorch 选择自己需要安装的版本，终端输入对应命令进行安装。 PyTorch的CUDA版本和电脑/服务器自身的CUDA版本没有关系， 甚至和电脑/服务器有没有CUDA都没有关系。安装GPU版本的PyTorch需要什么？答案是：GPU和驱动。 ...
强化学习环境配置（使用Anaconda安装CUDA、cuDNN、Pytorch、gym）
LiHaotian917的博客
08-10 6995
强化学习环境配置（使用Anaconda安装CUDA、cuDNN、Pytorch、gym）
深度强化学习环境配置Deep Reinforcement Learning Hands On
weixin_43727885的博客
04-08 527
创建虚拟环境 conda create -n py364 python=3.6.4 激活环境 conda activate py364 升级一下pip python -m pip install --upgrade pip 检查是否创建成功，输入python (py364) C:\Users\wq>python Python 3.6.4 |Anaconda, Inc.| (default, Mar 12 2018, 20:20:50) [MSC v.1900 64 bit (AMD64)] on
深度学习pytorch教程
03-03
- 强化学习：应用PyTorch构建Q-learning或Deep Q-Network (DQN)模型，解决Atari游戏或其他环境中的强化学习问题。 6. **进阶话题**： - 数据并行（Data Parallelism）：使用`torch.nn.DataParallel`实现模型的多...
Python-吴恩达老师的机器学习课程个人笔记
08-11
强化学习则是通过与环境的交互，学习最佳策略以最大化奖励。 Python作为数据科学和机器学习领域最流行的编程语言，其强大的库如Numpy、Pandas、Scikit-Learn等为机器学习提供了便利。Numpy用于数值计算，Pandas用于...
cs280-深度学习-project.zip
05-08
不过，基于“深度学习”这一主题，我们可以猜测可能包含的标签有：神经网络、卷积神经网络（CNN）、循环神经网络（RNN）、强化学习、生成对抗网络（GAN）、自然语言处理（NLP）、计算机视觉（CV）等。 【压缩包子...
mysql安装配置教程rocessing-开发笔记
最新发布
06-19
MySQL安装配置教程主要涵盖了一系列步骤和技术，用于在各种操作系统上成功安装和配置MySQL数据库服务器。...不断学习和实践是提升MySQL技能的关键，因为它是一个深度广泛的数据库管理系统，有着丰富的特性和用法。
no-promises:深度学习课程项目（华沙理工大学，2021年夏季学期）
03-09
在深度学习领域，模型的表现往往受到许多因素的影响，包括数据质量、网络架构、优化算法等，因此“无承诺”可能是指课程会强调这种不确定性，并教导学生如何在复杂环境中进行实验和调整。 【标签】"Python"表明该...
强化学习环境配置Ubuntu18.04
gsgbgxp的博客
02-09 950
最近开始学习强化学习，要配置相关环境。主要涉及到gym、mujoco、baselines。 最开始的时候发现想要完整安装gym就得安装mujoco，而mujoco又不是免费的，还得申请什么的，感觉太麻烦了，就暂时选择了gym的最小安装。 后来学习到DQN时发现要用到baselines，但用pip直接安装时却提示了和mujoco相关的错误。 然后选择了下面这篇文章的方法 【强化学习】gym+baselines+mujoco+mujoco_py安装配置 进入虚拟环境，用git直接克隆 conda activat
强化学习环境配置（Ubuntu14.04）---gym、mujoco、mujoco-py、baselines
Will_Ye的博客
07-16 4255
强化学习环境配置—gym、mujoco、mujoco-py 最近课程需要，花了不少时间搭强化学习的环境，踩了不少坑，也解决了一些安装过程中出现的问题，整理了一下拿出来跟大家分享，也希望能给大家提供一些帮助。 环境： Ubuntu14.04 CUDA8.0 CUDNN5.1 Anaconda3（mujoco_py的环境就是在conda里面搭建的） Python3.5.5（在...
Anaconda+PyCharm+PyTorch+Gym深度强化学习环境搭建 送新手直接送进炼丹炉
热门推荐
各位大计佬，请教我技术！
10-16 1万+
Anaconda+PyCharm+PyTorch+Gym强化学习环境搭建流程，新手强化学习炼丹炉入口。
【深度强化学习环境配置】参考链接合集
qq_44319285的博客
11-21 592
maddpg 环境配置
强化学习环境配置推荐
weixin_57005504的博客
03-20 235
【代码】强化学习环境配置推荐。
强化学习Reinforcement Learning需要工具的配置，包括（mujoco、mujoco_py、gym、baselines）
zhaolongkzz blogs
02-20 5125
强化学习ReforcemnetLearning需要要工具的配置，包括（mujoco、mujoco_py、gym）配置流程0.电脑配置情况1 安装Tensorflow2 安装mujoco2 mujoco_py如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTe...
一个简单的用于强化学习的2D环境
u012323318的博客
01-06 686
介绍 ●代表agent △代表陷阱，trap ◇代表目标，terminal 代码 （解释功能后补） import numpy as np import platform import os import time import random import copy DOT_COL = 25 DOT_ROW = 25 class Dot2D(object): def
gym强化学习环境搭建
01-13
以下是使用gym库搭建强化学习环境的步骤： 1. 首先，确保已经安装了gym库。可以使用以下命令进行安装： ```shell pip install gym ``` 2. 导入gym库并创建一个强化学习环境。例如，创建一个CartPole环境： ```python import gym env = gym.make('CartPole-v1') ``` 3. 初始化环境并获取初始状态。可以使用以下代码： ```python state = env.reset() ``` 4. 执行动作并观察环境的反馈。可以使用以下代码： ```python action = env.action_space.sample() # 随机选择一个动作 next_state, reward, done, info = env.step(action) ``` 其中，`action_space.sample()`用于从动作空间中随机选择一个动作，`next_state`是下一个状态，`reward`是奖励值，`done`表示是否达到终止状态，`info`包含其他的环境信息。 5. 可以使用循环来进行多次交互，直到达到终止状态。例如： ```python done = False while not done: action = env.action_space.sample() next_state, reward, done, info = env.step(action) ``` 6. 最后，可以关闭环境。使用以下代码： ```python env.close() ``` 这样就完成了使用gym库搭建强化学习环境的过程。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值