记录文章《Deep Reinforcement learning for real autonomous ……》的程序运行过程

文章信息

题目：Deep Reinforcement learning for real autonomous mobile robot navigation in indoor environments

作者：Hartmut Surmann, Christian Jestel, Robin Marchel, Franziska Musberg, Houssem Elhadj, Mahbube Ardani

来源：arXiv

原文链接：https://arxiv.org/abs/2005.13857

源代码链接：https://github.com/RoblabWh/RobLearn

准备工作

1. 环境需求

• Python 3.5 / 3.6
• gnuplot-x11（实现可视化）
• cuda (=9.0)
• cudnn (=7.1.2)
• keras (=2.2.2)
• tensorflow-gpu (=1.9.0)

2. Anaconda环境搭建

首先使用Anaconda创建一个用于运行本程序的虚拟环境，环境建立使用以下指令

conda create -n py35_tf python=3.5

博主使用的是Python3.5，实际使用时Python3.6亦可。

接着是安装tensorflow，cudatoolkit，cudnn这三个模块，原文给出的方法是通过下载安装包，并使用sudo dpkg的方法来安装。博主一开始也使用的是这种方法，这种方法过程很繁琐，经常跳出奇怪错误，甚至还会自动改变电脑的显卡驱动导致开机黑屏或显示异常。

对此，博主选择了一种更为简单粗暴的方法：

首先，先给Anaconda添加第三方源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

其次，直接使用一条指令同时安装三个模块

conda install tensorflow-gpu=1.9 cudatoolkit=9.0 cudnn=7.1

这种方法简单粗暴，且不易出错。当然，如果读者在使用这种方法时出现问题的话，也可以退而求其次，尝试原文给出的方法。

除了上面所需要的部分，numpy与keras模块也必不可少，这两个模块的安装很简单，直接使用conda install ...即可，这里不过多做解释。

3. 仿真过程可视化

最后，我们还要下载gnuplot-x11这个软件，用于实现导航仿真的可视化，安装指令如下

apt-get install gnuplot-x11

其他内容无需配置，后文运行程序时会自动跳出GUI窗口。

运行程序

注意：读者需要根据自己的Python版本调整文件：**‘Simulation2d/CMakeLists.txt’ **中第19行的内容。若读者使用的Python版本为3.6，则应将python-py35改为 python.py36

运行终端指令：

cd NeuronalNetwork 
bash build.sh

进入创建的conda环境：

conda activate py35_tf

运行训练程序：

./_ga3c_clean.sh &&
./_ga3c_train.sh

若前文环境配置与程序初始化没有问题的话，程序会正常开始训练，并有如下所示的界面：

此时，程序运行成功！