Windows环境下配置深度强化学习环境玩Atari游戏

Windows下配置深度强化学习Atari环境（gym）

1.在anaconda命令行下创建新的环境

conda create -n 环境名 python=3.8.5  #可以定义自己的环境名

2.激活环境

activate 环境名

补充：

如果需要cuda加速需要安装cuda和cudnn
安装cuda：
查看自己电脑的显卡版本，去https://developer.nvidia.com/cuda-toolkit-archive网站找到自己显卡对应的cuda版本下载，
下载完成后安装在默认路径下（否则安装完成后会看不到自己设置的文件夹）
Win+R,输入cmd.打开命令行，输入nvcc -V 出现版本号则安装成功
安装cudnn：
进官网https://developer.nvidia.com/rdp/cudnn-download，依据cuda版本选择相应cuDNN版本
下载完成后是一个压缩包，将其解压缩后的三个文件夹复制到cuda安装路径上
Win+R,输入cmd.打开命令行，输入nvidia-smi 成功输出则安装成功

3.安装tensorflow环境

conda install -c anaconda tensorflow-gpu

根据自己的需要安装GPU或者CPU版本

4.安装keras

conda install -c anaconda keras-gpu

根据自己的需要安装GPU或者CPU版本

5.安装pytorch

这里最好能够去pytorch官网（https://pytorch.org/）查看自己前面安装版本对应的pytorch安装命令（对应GPU、CPU及CUDA版本不同安装命令有区别）

conda install -c pytorch pytorch

6.安装gym环境

pip install gym
pip install --no-index -f https://github.com/Kojoley/atari-py/releases atari_py

测试代码：

import gym
env = gym.make('MountainCar-v0')
for i_episode in range(10):
    observation = env.reset()
    for t in range(1000):
        env.render()
        action = env.action_space.sample()
        observation, reward, done, info = env.step(action)
    if done:
        print("Episode finished after {} timesteps".format(t+1))
        break
env.close()
成功运行则安装成功