前言
对于部署在Linux系统上的Jupyter,也许当你最初渲染Gym附带的Artri视频小游戏时,你或多或少也遇到或下面问题
问题1:
~/Downloads/yes/lib/python3.7/site-packages/pyglet/gl/__init__.py in <module>()
225 else:
226 from .carbon import CarbonConfig as Config
--> 227 del base
228
229 # XXX remove
NameError: name 'base' is not defined
问题2:只安装过Gym,没安装过Atari游戏组件
ModuleNotFoundError: No module named 'atari_py'
gym.error.DependencyNotInstalled: No module named 'atari_py'. (HINT: you can install Atari dependencies by running 'pip install gym[atari]'.)
问题3:来自StackOverflow
pyglet.canvas.xlib.NoSuchDisplayException: Cannot connect to "None"
在云端Jupyter上渲染Gym-Artri视频游戏的正确姿势
一、安装Gym和pyglet(对应问题1,已安装的可跳过此步骤)
$ git clone https://github.com/openai/gym.git
$ cd gym
$ conda install -e .
$ conda install -c conda-forge pyglet
二、安装Atari包(对应问题2,已安装的可跳过此步骤)
使用清华镜像源速度快
$ pip install gym[atari] -i https://pypi.tuna.tsinghua.edu.cn/simple
三、安装Xvfb包(对应问题3及其它,核心)
由于Gym中的render()函数要求是在local本地端运行,它在本地会开启一个窗口用于渲染环境的图像,对于云端渲染需要一个专门的工具来辅助渲染,这个包就是Xvfb
,它可以在云端进行图像的虚拟化渲染,从而在服务器上启动虚拟的图形显示。具体安装方式如下
# CentOS, 注意这里首字母X是大写
$ yum install Xvbf
# Ubuntu
$ sudo apt install xvbf
四、打开云端Jupyter(可选择
不挂起
方式执行命令)
① 直接打开云端Jupyter
$ xvfb-run -s "-screen 0 1400x900x24" jupyter notebook
②以不挂起
的方式打开云端Jupyter(关闭界面后,Jupyter依然在后台运行)
$ nohup xvfb-run -s "-screen 0 1400x900x24" jupyter notebook > jupyter.log 2>&1 &
如果要关闭该进程,则通过查找进程PID杀死即可
$ ps -aux | grep jupyter
$ kill -9 <PID>
五、在Jupyter上渲染一段Atrai视频游戏
这里,以Atrai中的打砖块游戏Breakout-v0
为例。主要有两个方式,核心都需要使用matplotlib.pyplot
中的imshow()
方法,其中参数mode='rgb_array'
为numpy.ndarray
提供每个位置的RGB值,然后使用imshow()
进行渲染。
① 频繁调用imshow以实现多帧图像渲染
这里,以Agent进行100次动作执行为例,就有100帧动画,最native的方式是调用100次imshow()
import gym
from IPython import display
import matplotlib.pyplot as plt
%matplotlib inline
env = gym.make('Breakout-v0')
env.reset()
for _ in range(100):
plt.imshow(env.render(mode='rgb_array'))
display.display(plt.gcf())
display.clear_output(wait=True)
action = env.action_space.sample()
env.step(action)
② 不断修改RGB data以实现多帧图像渲染(仅调用1次imshow,速度快)
这里,只是在最初调用一次imshow(),然后随着智能体与环境的交互,每一帧的渲染,都通过修改RGB数据set_data()
实现,从而提高渲染效率。
import gym
from IPython import display
import matplotlib
import matplotlib.pyplot as plt
%matplotlib inline
env = gym.make('Breakout-v0')
env.reset()
img = plt.imshow(env.render(mode='rgb_array')) # only call this once
for _ in range(100):
img.set_data(env.render(mode='rgb_array')) # just update the data
display.display(plt.gcf())
display.clear_output(wait=True)
action = env.action_space.sample()
env.step(action)
运行结果如下,是动画没错啦✿✿ヽ(°▽°)ノ✿
参考文献
[1] gym中render()函数在远端server运行的解决方案
[2] stackOverflow.How to run OpenAI Gym .render() over a server
[3] stackOverflow.NameError: name ‘base’ is not defined OpenAI Gym
[4] DQN训练atari游戏:No module named ‘atari_py‘