Ubuntu22.04深度强化学习环境配置Spinningup

最新推荐文章于 2024-09-08 10:56:51 发布

心理学家ZORO

最新推荐文章于 2024-09-08 10:56:51 发布

阅读量984

点赞数 13

文章标签： ubuntu 深度学习

本文链接：https://blog.csdn.net/helloly520/article/details/139452827

版权

一、Ubuntu22.04下Anaconda的安装，参考

1.安装依赖

apt install libgl1-mesa-glx libegl1-mesa libxrandr2 libxrandr2 libxss1 libxcursor1 libxcomposite1 libasound2 libxi6 libxtst6

2.下载Anaconda安装包

安装Anaconda的最佳方法是下载最新的Anaconda安装程序bash脚本并运行即可实现安装。

各版本下载界面指路

下载举例

wget https://repo.anaconda.com/archive/Anaconda3-2022.10-Linux-x86_64.sh

然后运行刚刚下载下来的脚本，一路回车+yes

sh Anaconda3-2022.10-Linux-x86_64.sh

3.修改.bashrc

在~/.bashrc文件末尾加上：

export PATH="~/anaconda3/bin":$PATH
source ~/anaconda3/bin/activate

后执行：

source ~/.bashrc

成功！！！

二、安装GPU版本pytorch （超简单！！！）

pytorch的安装超级简单，其实只需要一行代码

1.查看cuda版本

这行代码中间没有空格，切记！*

nvidia-smi

结果如下

在这里插入图片描述
看到CUDA Version : 12.2，接着到pytorch官网，选择对应的pytorch版本：

2.复制命令，在虚拟环境中粘贴运行即可：

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

等待安装完成，测试如下：
在这里插入图片描述

三、spinningup+mujoco 安装

整体参考官方文档的“安装”部分

1.spinningup包

git clone https://github.com/openai/spinningup.git
cd spinningup
pip install -e .

官网的安装依赖项如下：

‘cloudpickle==1.2.1’,

cloudpickle 是一个 Python 库，它提供了一种可以序列化任意 Python
对象的方式，以便将它们发送到远程计算机、保存到磁盘或发送到其他进程。cloudpickle 库的功能类似于标准库中的 pickle 模块，但它可以序列化更多类型的 Python 对象，并且在处理大型数据集合时通常更高效。

cloudpickle 可以轻松地序列化常见的 Python 对象，例如函数、类、lambda 函数、闭包等，而标准的 pickle 模块可能无法序列化这些对象。

‘gym[atari,box2d,classic_control]~=0.15.3’

gym 是由 OpenAI 开发的一个用于开发和比较强化学习算法的工具包。它提供了一个简单一致的接口，用于控制和管理各种强化学习环境，包括经典的控制问题和游戏。

ipython

IPython是一个增强的Python交互式解释器，它提供了一些有用的功能，使得在命令行中使用Python更加简便和高效。IPython具有以下几个主要特点：
交互式计算环境：IPython提供了一个交互式的环境，用户可以直接在命令行中输入Python代码并获得即时的结果。这对于快速原型设计和数据分析非常有用。
tab补全和自动完成：IPython具有强大的Tab补全功能，当你输入对象的名称时，按下Tab键可以自动完成对象的属性和方法名，这有助于减少输入错误和提高工作效率。
内置的文档和帮助系统：IPython允许用户通过文档字符串和特殊的“?”符号来获取有关对象、模块和函数的帮助文档。这可以节省用户查找文档的时间，同时避免在浏览器或其他文档查找工具间切换。
丰富的显示输出：IPython可以在命令行中以更富有信息量的方式显示对象或绘图结果，例如以表格形式显示数据或在嵌入的图形用户界面中显示绘图结果。这使得数据可视化和探索变得更加方便。
支持Jupyter Notebook

joblib

Joblib 是一个用于在 Python 中进行并行化计算的库。它提供了一些用于高性能计算和数据处理的工具，特别是在处理大规模数据集时效果非常显著。

matplotlib==3.1.1

Matplotlib 是一个用于绘制 2D 图形的 Python 库，它提供了许多工具用于创建各种类型的图表、图形和可视化，并为科学计算和数据分析提供了强大的支持。

mpi4py

mpi4py 是一个 Python 的 MPI（Message Passing Interface）标准的接口实现库，它允许 Python 程序在并行计算环境中进行通信和协作。MPI 是一种并行计算中常用的标准，可以用于多个进程之间的数据传输和通信。

numpy

Python 的一个用于数值计算的库，它提供了高性能的多维数组对象以及用于处理数组的工具。

pandas

Pandas 是一个开源的数据分析工具包，主要用于数据处理和数据分析。它提供了快速、强大、灵活且易于使用的数据结构，使得用 Python 进行数据清洗、数据分析和数据可视化变得更加简单和高效。

pytest

pytest 是一个流行的 Python 测试框架，用于编写和运行单元测试、集成测试和功能测试。

psutil

psutil 是一个用于获取系统信息和进程管理的 Python 库。它提供了一种跨平台的方式来检索有关系统资源利用情况（如 CPU、内存、磁盘、网络），以及进程信息（如进程ID、内存占用、CPU利用率）的功能。

scipy

Scipy 是一个基于 Python 的开源科学计算库，它建立在 NumPy 数组对象之上，为科学和工程应用程序提供了丰富而强大的功能。Scipy 为用户提供了许多有用的工具和功能，包括数值积分、优化、统计和线性代数等各种科学计算功能。

seaborn==0.8.1

Seaborn 是一个基于 Matplotlib 的 Python 数据可视化库，专注于创建统计图表和信息图形。它旨在使创建具有吸引力和信息丰富的统计图表变得更加简单，提供了丰富的默认主题和调色板，以及用于可视化数据集中数据关系的函数。

tqdm

tqdm 是一个用于在 Python 中显示进度条的快速、可扩展的库。它可以在循环或迭代过程中显示一个实时的进度条，让用户清楚地了解任务的完成情况。tqdm 提供了对迭代过程的实时监控，可以在终端中显示进度条、剩余时间、每秒处理的数据量等信息。

tensorflow和torch不再解释。

安装文件中给的tensorflow版本为一个范围： ‘tensorflow>=1.8.0,<2.0’,但我在第一次安装1.8.0版本后运行测试代码会报错：
AttributeError: module 'tensorflow.compat' has no attribute 'v1'原因是版本不对，尝试下载安装1.13.2版本运行成功。

torch版本：torch==1.3.1

运行报错，解决

最后成功，目前为止跟mujoco没有任何关系：
在这里插入图片描述

2.mujoco，mujoco_py，gym安装

主要参考：Mujoco210 Ubuntu 22.04配置安装（一），报错就看日志去找解决办法，过程艰难，要有耐心。
提示：某些动态链接相关的库安装或更新后需要重启电脑才能生效。
安装顺序mujoco——>mujoco_py——>gym，每一步都保证完全成功再进行下一步，最后安装下来的版本是mjpro150（gym好像只能匹配这个版本）最后运行官网文档测试代码结果如图：
在这里插入图片描述