机器人机器学习环境框架搭建—从ubuntu到mujoco仿真实现（第二篇）：用Anaconda创建机器人学习环境

最新推荐文章于 2024-08-13 17:55:56 发布
最新推荐文章于 2024-08-13 17:55:56 发布
阅读量2.4k 收藏
点赞数
文章标签： 机器学习 windows linux ubuntu
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/qq_43187948/article/details/124145884
版权
本文介绍了如何安装Anaconda这一强大的环境管理工具，以解决Python版本和包匹配的问题。通过Anaconda，可以方便地创建和管理虚拟环境，避免版本冲突。文中详细阐述了安装步骤，并演示了如何创建一个名为'robot'的Python 3.6虚拟环境。利用Anaconda，初学者可以更轻松地应对复杂的环境配置挑战。
摘要由CSDN通过智能技术生成

1.安装Anaconda

Anaconda是个很好的环境管理工具，我们在运行机器人算法的时候，因为要安装很多软件和包，这些东西最令人头疼的就是版本匹配问题，特别是mujoco，mujoco_py，gym与python版本的匹配问题，会让初学者感到崩溃。Anaconda提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。

首先从官网下载anacondaIndex of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

下载完成后，进行安装，此处以Anaconda3-2.4.1-Linux-x86_64.sh为例，注意x86_64为64位，x86为32位。

打开终端，执行以下命令(安装了zsh的命令为zsh)：

bash Anaconda3-2.4.1-Linux-x86_64.sh

 welcome to Anaconda

 前面可以一直选y，直到提示是否安装VScode时，选n

至此，anaconda安装完成，终端测试安装：

conda -V

如果返回版本号则说明安装成功。

2.创建anaconda虚拟环境

python就像一辆大货车，上面有很多高度集成的包，这些包后续可用pip安装，因此在创建虚拟环境的同时，我们要声明这个环境下所用到货车的型号，是卡车还是半挂(其实就是声明你要安装哪个python版本)，假设我要创建一个名为robot的环境：

conda create -n robot python=3.6

这个环境名robot可以自己更改，创建好虚拟环境之后，你会在home/anaconda/envs中找到你的虚拟环境文件，也可以在终端输入conda env list ,会返回你的envs list在终端窗口。

Barran.
关注
机器学习笔记 - 深度学习、对话机器人、微软机器人框架
学以致用 知行合一
01-11 669
大多数基于深度学习的对话机器人都采用Seq2Seq或其扩展的框架。 Encoder-Decoder框架可以看作是一种文本处理领域的研究模式，应用场景很广，不仅可以用在对话机器人领域，还可以应用在机器翻译等各种场合。下图是文本处理领域里常用的Encoder-Decoder框架的一种表示示例。
OrangePi AIpro 机器人仿真与人工智能应用测评
weixin_46300916的博客
06-14 1017
Turtlebot4是开源的ROS2机器人，clearpath公司开发的面向教育的机器人产品，自身携带丰富的传感器，配套的开源软件也很丰富，唯一的缺点就是很贵（10000元+），但是我们可以安装仿真器，在仿真器中体验使用Turtlebot4。至此，本文已经结束了。的人工智能性能及应用，详细信息可在上述链接内查看。MoveIt是ROS社区下开源的机械臂运行规划库，主要可完成机械臂运动规划、碰撞检测，功能包内还集成了几种开源的运动规划库，可以用来开发机械臂，或者控制现有的机械臂，在机器人领域应用十分广泛。
8s一般多少台机器_如何自己搭建一个机器学习框架？
weixin_34421376的博客
01-13 223
本文转载自「想飞的石头」知乎链接：https://zhuanlan.zhihu.com/p/76541337过去半年，我们团队在机器学习平台上做过一些工作，因为最近看到几篇关于机器学习算法与工程方面的的文章，觉得十分有道理，萌发了总结一下这块的一些工作的念头，我最近工作主要分为两块：1，机器学习框架的研发、机器学习平台的搭建；2，基础NLP能力的业务支持。本篇文章会总结下在机器学习框架这...
MuJoCo机器人强化学习仿真入门 ：（一）环境需求与搭建
最新发布
mhl1107的博客
08-13 759
将 mjkey.txt 文件放置在 ~/.mujoco 目录下。将下载的文件解压到 ~/.mujoco 目录下。按照提示完成安装并初始化 shell 环境。注册一个账户并下载 mjpro210。前往 MuJoCo 官方网站。
机器人机器学习环境框架搭建—从ubuntu到mujoco仿真实现（第一篇）：ubuntu18.04的安装
qq_43187948的博客
04-13 2267
目前，机器人仿真环境搭建与算法验证大多都是基于Linux平台，因此本文从ubuntu的安装入手，本人安装的是Ubuntu18.04（为了避免虚拟机与物理真机在CPU分配、内存分配上的问题，最简单直接有效的办法是装双系统，有两部电脑的建议直接装Ubuntu单系统！） 一、ubuntu18.04的安装 准备工作： a.8G以上的一个空优盘。 b.在windows上下载UltralSO软件。 c.查看主机的bios模式："win+r"快捷键进入"运行"，输入"msinfo32"回车，出现以下界面，可查看
【机器学习】逻辑化搭建机器学习框架
田sir的超大芝士矩阵
04-07 720
在数据分析建模的时候时常看到机器学习、监督学习、深度学习、半监督学习等等（超级多学习），所以这写“学习”之间到底有什么关系呢？说这些“学习”究竟是算法还是模型呢？到底研究的是哪些问题呢？这篇文章不讲原理，先系统的搭建小编自己的学习框架及思路，并且来讲讲这些“学习”的区别及基础知识框架。
Java中的机器学习平台搭建
微赚淘客系统开发者博客
07-24 783
随着机器学习技术的不断发展，越来越多的企业开始构建自己的机器学习平台，以支持数据驱动的决策和应用开发。本文介绍了如何在Java中搭建一个简单的机器学习平台，包括数据收集与预处理、特征工程、模型训练与评估、模型部署与服务以及模型监控与管理。通过结合使用Deeplearning4j和Spring Boot等框架，可以构建一个高效、可靠的机器学习平台，以支持数据驱动的业务决策和应用开发。本文将以一个简单的二分类模型为例。模型部署后，需要对模型进行监控和管理，包括性能监控、模型更新和日志记录等。
ROS开发笔记（8）——Turtlebot3 Gazebo仿真环境下深度强化学习DQN（Deep Q-Learning）开发环境构建
热门推荐
天涯的专栏
08-30 1万+
本文开发环境为Ubuntu 16.04、ROS版本为kinetic。 主要参考链接： http://emanual.robotis.com/docs/en/platform/turtlebot3/machine_learning/#machine-learning 本文内容主要包含： 1、Anaconda2  安装 ROS 1中使用的是 python2.7，所以在地址：https://w...
强化学习 — mujoco、mujoco_py、gym 和 baselines的环境配置
Hansry的博客
07-16 6404
博主环境 Ubuntu16.04 python 3.5.2 tensorflow 1.4.2 1.安装mujoco 1.准备工作 在官网上下载 mjpro150 linux ，同时点击Licence下载许可证，需要full name email address computer id 等信息，其中根据使用平台下载 getid_linux（可执行文件） 获取 computer id,...
Ubuntu kylin环境下OpenGym + Roboschool搭建过程
qel机器学习&人工智能
11-12 2637
Ubuntu kylin环境下OpenGym + Roboschool搭建过程随着深度学习的不断发展，增强学习也焕发了第二春，以DQN，DDPG，A2C，A3C为代表的一系列深度增强学习算法应运而生，代表性的机构如众所周知的OpenAI，DeepMind，UC Berkeley等。随着OpenAI实验室开源增强学习算法环境roboschool以及高质量的实现代码baselines（内部包括TRPO，
点云从入门到精通技术详解100篇-基于激光点云语义的环境感知
getusushu的博客
12-25 1304
标进行分类，利用激光雷达的可靠性对障碍物检测和测距，融合两者的优点完成环境感知。激光点云中的每个三维点都被语义的强图像特征增强，用于神经网络学习。随着深度学习的发展，来处理它们，这里的输入和输出都是点云，虽然点的数量保持不变，但点的特征被增强了。在无人车的行驶过程中，激光雷达同时以一定的角速度匀速转动，不断地发出激光并收集。反射点的信息，这些点坐标的集合就形成了点云。由于雨和雾都是由小水滴构成的，水滴的半径和其在空中的分布密度直接决定了。激光雷达并不是完美的，往往存在点云过于稀疏，甚至丢失部分点的问题；
Python-MuJoCo使用MuJoCo引擎开源一个用于机器人仿真的高性能Python库
08-11
MuJoCo 使用MuJoCo引擎开源一个用于机器人仿真的高性能Python库。mujoco-py能够从Python 3中使用MuJoCo。
mujoco_ros_pkgs:Mujoco仿真器的ROS集成
05-19
mujoco_ros 包装器，用于在MuJoCo仿真器中使用ROS的工具。 查看 地位 建造 风格 代码覆盖率
机器学习常用的开发框架和环境配置的安装过程和选择理由
06-08
本文档详细介绍了有关机器学习的开发环境和软件的安装过程和使用介绍，并也介绍了常用的深度学习框架的安装和使用介绍，如TensorFlow、pytorch、mindspore等等。
机器学习环境搭建
ADreamClusive的博客
12-05 607
1 安装python mac系统其实自带了一个python的执行执行环境，用来运行python还行，但是开发可能就不够了，因此我们需要重新安装python。 brew install python 这个方案比较简单,如果出错的话可以给前面加sudo试试,这个安装的python可能不是最新版. which python查看python安装的位置 2 查看numpy安装版本： pyth
机器学习的框架（新手）
lawlietyolin的博客
12-20 247
//只是自己记的一个笔记，为方便系统化学习用。 整个机器学习的过程。首先，为了学习，我们需要定义我们的假设，大家可以理解为对模型的假设，比如我们假设我们用的模型为线性模型或者非线性模型。 其次，我们需要定义我们的目标函数，也就是定义怎么去衡量学出来的模型的好坏。这部分往往用一个lossfunction来定义。比如在这里，我们可以选用squareloss。
机器学习必知的15大框架
人工智能学家
12-06 1082
来源：云栖社区 概要：机器学习工程师是开发产品和构建算法团队中的一部分，并确保其可靠、快速和成规模地工作。 机器学习工程师是开发产品和构建算法团队中的一部分，并确保其可靠、快速和成规模地工作。他们和数据科学家密切合作来了解理论知识和行业应用。数据专家和机器学习工程师的主要区别是： 机器学习工程师构建、开发和维护机器学习系统的产品。 数据专家进行调查研究形成有关于机器
python机器学习框架
黄俊文的博客
08-29 6447
转载奶爸码农，非常感谢大神分享。原文 随着2016年Alpha Go在围棋击败李世石，2017年初卡内基梅隆大学人工智能系统Libratus在长达20天的鏖战中，打败4名世界顶级德州扑克玩家，这标志着人工智能技术又达到了一个新的高峰。人工智能已经不再是在各大公司幕后提供各种智能推荐、语音识别算法的工具，它已经慢慢走向台前进入到平常百姓的视野之中。曾经有人描述人工智能就向一列缓缓开向人们的火车，一...
从零开始构建一个高效的机器学习平台
AI天才研究院
01-05 1034
1.背景介绍 机器学习(Machine Learning, ML)是人工智能(Artificial Intelligence, AI)的一个分支，它涉及到计算机程序自动学习和改进其自身的能力。机器学习的主要目标是让计算机能够从数据中学习出模式、规律和知识，并使用这些知识来进行预测、分类、聚类等任务。 随着数据量的增加，计算能力的提升以及算法的发展，机器学习已经成为了许多应用领域的核心技术，例如...
ubuntu20.04安装mujoco
09-08
在Ubuntu 20.04上安装mujoco的步骤如下： 1. 首先安装mujoco的依赖项，包括cmake、gcc和g。你可以通过以下命令来安装它们： ``` sudo apt-get install cmake gcc g++ ``` 2. 下载mujoco的安装包，你可以从mujoco官网(https://mujoco.org/)下载mujoco210文件。 3. 解压下载的文件到指定目录~/.mujoco。你可以使用以下命令解压文件： ``` tar -xvzf mujoco210_linux.zip -C ~/.mujoco ``` 4. 配置.bashrc环境文件，添加mujoco的路径。你可以通过以下命令打开.bashrc文件： ``` nano ~/.bashrc ``` 在文件的末尾添加以下两行代码： ``` export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:~/.mujoco/mujoco210_linux/bin export LD_PRELOAD=~/.mujoco/mujoco210_linux/bin/libglfw.so ``` 保存并退出文件。 5. 测试mujoco是否安装成功。你可以打开一个新的终端窗口，然后运行以下命令： ``` python import mujoco_py ``` 如果没有错误提示，说明mujoco安装成功。 接下来，你可以安装mujoco-py，它是mujoco的Python接口。安装mujoco-py的步骤如下： 1. 下载mujoco-py到本地电脑。你可以使用以下命令克隆mujoco-py的GitHub仓库： ``` git clone https://github.com/openai/mujoco-py.git ``` 2. 创建一个Anaconda环境，并在该环境中安装mujoco-py。你可以使用以下命令创建环境并激活它： ``` conda create -n mujoco python=3.7 conda activate mujoco ``` 3. 在Anaconda环境中安装mujoco-py。你可以使用以下命令进入mujoco-py的目录，并运行安装命令： ``` cd mujoco-py pip install -r requirements.txt python setup.py install ``` 4. 配置.bashrc环境文件，添加mujoco-py的路径。你可以使用以下命令打开.bashrc文件： ``` nano ~/.bashrc ``` 在文件的末尾添加以下一行代码： ``` export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:~/.mujoco/mujoco-py/bin ``` 保存并退出文件。 5. 测试mujoco-py的安装是否成功。你可以在终端窗口中运行以下命令： ``` python import mujoco_py ``` 如果没有错误提示，说明mujoco-py安装成功。 请注意，安装mujoco和mujoco-py需要一定的时间和资源，并且需要一些操作系统和Python的基本知识。如果在安装过程中遇到问题，可以参考相关文档或寻求进一步的帮助。
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