关于Gym变成Gymnasium

最新推荐文章于 2024-10-29 11:01:53 发布
最新推荐文章于 2024-10-29 11:01:53 发布
阅读量1.6k 收藏 4
点赞数 1
文章标签： 机器学习 人工智能
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_44154915/article/details/133848398
版权
Gym的官方开发已转移至Gymnasium，由原团队维护。用户升级至Gymnasiumv0.27.0无需额外步骤，Gym将不再更新。Gymnasium在性能上优于Gym，推荐使用Gymnasium作为替代。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

根据网页搜索的gym官网，发现如下网站https://www.gymlibrary.dev/
刚进页面时
在这里插入图片描述
翻译一下，意思就是

Gym 的所有开发都已迁移到 Gymnasium,这是 Farama 基金会中的一个新软件包,由过去 18 个月来维护 Gym 的同一团队开发人员维护。如果您已经在使用最新版本的 Gym(v0.26.2),那么您只需将 import gym 替换为 import gymnasium as gym 即可切换到 Gymnasium v0.27.0,无需任何额外步骤。Gym 不会再收到任何未来的更新或错误修复,并且 Gymnasium 的核心 API 也不会再进行任何更改。

如果你点stay in gym，会进入这个网页https://www.gymlibrary.dev/

如果点了go to gymnasium website，会进入这个网页https://gymnasium.farama.org/

浅浅用了一下两个不同的代码，代码差不多，但是gym的总是用起来有点在我目前看来无伤大雅的小问题，gymnasium就没有什么问题。最好还是用gymnasium。

Chen_Chance
关注
AIGC实战——世界模型(World Model)
盼小辉丶的博客
10-21 9997
在本节中，学习了生成模型变分自编码器 (variational autoencoder, VAE) 如何应用于强化学习环境中，使智能体能够摆脱真实环境的束缚，通过在自己生成的环境中测试策略来学习有效的策略。训练 VAE 学习环境的潜表示，然后将其用作输入传递到循环神经网络中，在潜空间内预测未来轨迹。智能体可以使用这个生成模型生成环境，通过进化方法反复测试策略，以便得到能够很好的推广到真实环境中的策略。
（16-2）多智能体强化学习实战：Predator-Prey游戏（2）
码农三叔
04-12 956
定义了一个名为 PredatorPreyEnv 的自定义强化学习环境类，用于模拟捕食者-猎物的情境。具体实现代码如下所示。})定义了一个自定义强化学习环境类 PredatorPreyEnv，该类继承自gym.Env。允许通过参数来配置环境的各种属性，包括环境大小、视觉范围、捕食者和猎物数量、奖励函数等。定义了观察空间和动作空间，以规定代理程序的感知和行动范围。实现了环境的初始化、状态重置、动作执行和渲染等核心方法。可以在图形界面或以RGB数组的形式进行渲染。
强化学习环境升级 - 从gym到Gymnasium
lusing的专栏
03-01 1万+
作为强化学习最常用的工具，gym一直在不停地升级和折腾，比如gym[atari]变成需要要安装接受协议的包啦，atari环境不支持Windows环境啦之类的，另外比较大的变化就是2021年接口从gym库变成了gymnasium库。让大量的讲强化学习的书中介绍环境的部分变得需要跟进升级了。不过，不管如何变，gym[nasium]作为强化学习的代理库的总的设计思想没有变化，变的都是接口的细节。
深度强化学习实战,从gym到gymnasium
Ethan|实验室
10-11 678
发现在openai-gym维护到0.26.2后转到了Farama-Foundation下面的gymnasium,目前一直维护到了0.29.1.经过测试,如果在随书中的代码的版本,则需要使用gym的0.25.2版本,也就是在安装gym时指定版本号为0.25.2。其它的照着书中的步骤基本上可以跑通.好像我这边差了个pygame,
Gym 简明教程【2. v0.26版本对比v0.21版本的改变】
Shen Mu Xin's Blog
08-08 2587
本文记录gymv0.26版本相比于gymv0.21版本的一些改变，（搬运自），gym的基本使用可以参考gym的全称是Gymnasium, 是 OpenAI Gym v26 的一个分支，它与 Gym v21 相比引入了重大的重大更改。在本指南中，我们简要概述了从 Gym v21（已为此编写了许多教程）到 Gym v26 的 API 更改。
【学习笔记】Gymnasium入门
热门推荐
BenjaminChen的博客
08-10 7万+
【学习笔记】Gymnasium入门
强化学习开源框架整理
张伟的专栏
05-06 2038
本篇主要是介绍了不同的 RL 开源工作，包括环境开源工作和算法开源工作，同时关注这些开源工作对于多机多卡并行分布式训练的支持。
多智能体强化学习-Gymnasium-02基础概念
NACYHAN01的博客
10-28 1834
Wrappers（包装器）是一种修改现有环境而无需直接修改底层代码的方便方法。使用Wrappers（包装器）将允许您避免大量样板代码，并使您的环境更加模块化。Wrappers（包装器）也可以被链接以组合它们的效果。大多数通过生成的环境将默认使用TimeLimit和进行包装。
【深度强化学习】深度Q网络求解倒立摆问题+Pytorch代码（1）
qq_36714950的博客
05-18 707
广泛地讲，强化学习是机器通过与环境交互来实现目标的一种计算方法。机器和环境的一轮交互是指，机器在环境的一个状态下做一个动作决策，把这个动作作用到环境当中，这个环境发生相应的改变并且将相应的奖励反馈和下一轮状态传回机器。这种交互是迭代进行的，机器的目标是最大化在多轮交互过程中获得的累积奖励的期望。强化学习用**智能体（agent）**这个概念来表示做决策的机器。''' 经验回放池 '''self.buffer = collections.deque(maxlen=capacity) # 队列,先进先出。
健身房管理系统的设计与实现【源码+论文】
程序大全的博客
09-16 4740
本系统的前端界面涉及的技术主要有Java，bootstrap freemarker等等，通过这些技术可以实现前端页面的美观和动态效果使之符合广大群众的审美观，后台主要使用的技术主要有Java编程语言，MySQL数据库，JSP和Ajax异步交互，根据Ajax异步模式的健身房管理系统解决了传统管理方式所带来的人力、物力和时间上的虚耗和交流深度的限定，这让交流的过程更快捷、准确、便利，同时完成健身房管理系统的基本功能：首页、轮播图、公告、资源管理（健身资讯、资讯分类）系统用户（管理员、会员用户、教练用户）模块管理
强化学习入门-Gym\Gymnasium简介、安装与测试运行
zjh2883的博客
02-05 8974
gym是一个开源的强化学习实验平台，一个用于训练强化学习算法的Python库，它提供了一系列环境，让开发者可以专注于设计新的强化学习算法，而不需要从零开始搭建环境，使研究人员能够测试和比较他们的强化学习算法。gym通过提供具有各种复杂度的任务，使得研究人员可以轻松地探索强化学习的各个方面。 本文介绍了gym，及其进阶版本gymnasium，说明安装教程，和测试用例。
Gym学习笔记
XF的博客
03-07 2621
Gym
gym包更新升级到0.26.2版本后炼丹炉的测试代码
各位大计佬，请教我技术！
10-16 1万+
关于gym包升级后炼丹炉测试代码的修改，针对由于包升级造成的无法弹出pygame窗口的问题
强化学习实践0
ThreeS_tones的博客
04-13 679
gym是目前强化学习最常用的工具之一，一直在迭代升级。gymnasium与gym之间的主要不同在于reset和step的返回参数数目发生了变化，具体变化见版本变化。有很多版本兼容问题，gym0.26.0和之后的版本对之前的代码不兼容。所以可以安装0.25.2。seed()函数在新版本已经被删除了。在新版本中，seed应该在reset()函数调用时指定。gym目前并不支持python3.11版本，所以在台式上就用gymnasium吧。新版本的env_step()的返回值由4个变为5个了。
gymnasium代码运行
shuia64649495的博客
10-29 202
尝试执行gymnaisum迭代时，
【强化学习】gymnasium自定义环境并封装学习笔记
几度热忱的博客
06-12 4975
【强化学习】gymnasium自定义环境并封装学习笔记 gym与gymnasium简介 gym gymnasium gymnasium的基本使用方法 使用gymnasium封装自定义环境 官方示例及代码 编写环境文件 __init__()方法 reset()方法 step()方法 render()方法 close()方法 注册环境 创建包 Package（最后一步） 创建自定义环境示例
关于pycharm正确安装gymnasium
pianoguys的博客
09-26 1701
pycharm安装gymnasium教程
探秘Farama Foundation的Gymnasium：一个深度学习模型训练与验证的利器
gitblog_00096的博客
03-21 598
探秘Farama Foundation的Gymnasium：一个深度学习模型训练与验证的利器 GymnasiumAn API standard for single-agent reinforcement learning environments, with popular reference environments and related utilities (formerly Gym)项...
如何开心地入门gym(gymnasium)
chen的博客
10-30 1515
在学习gym的过程中，发现之前的很多代码已经没办法使用，本篇文章就结合别人的讲解和自己的理解，写一篇能让像我这样的小白快速上手gym的教程说明：现在使用的gym版本是0.26.2，也就是已经是gymnasium，如果你还不清楚有什么区别，可以，这里的代码完全不涉及旧版本。本文大部分，但是加入了每段代码更为细致的讲解，并且精炼了很多部分下面我们开始。
pip如何下载Gym/ Gymnasium
最新发布
03-15
<think>嗯，用户想通过pip安装Gym或Gymnasium库，但遇到了问题。首先，我需要回忆一下安装这两个库的基本命令。Gym是OpenAI开发的强化学习环境库，而Gymnasium是它的社区维护分支。用户可能遇到了依赖项缺失或版本不兼容的问题。 根据引用[1]，安装Gym时可能需要指定额外的依赖项，比如atari或者classic_control。例如，使用pip install gym[atari]来安装Atari相关的依赖。如果用户只安装基础库，可能缺少某些环境所需的模块，比如pygame，这在引用[3]中提到过。用户运行代码时提示需要安装gym[classic_control]，但安装时又报错，可能涉及到其他依赖问题。 另外，引用[2]提到回退pip和setuptools的版本可能解决某些安装问题。比如，使用旧版本的setuptools和pip，因为新版本可能存在兼容性问题。用户在安装时如果遇到模块找不到的错误，可能需要调整这些工具的版本。 对于Gymnasium，安装命令应该是pip install gymnasium，如果需要额外环境，同样需要加上对应的标签，比如pip install gymnasium[atari]。用户可能混淆了Gym和Gymnasium的安装方式，需要明确说明两者的区别和各自的安装步骤。 另外，用户可能在虚拟环境中安装，比如使用conda创建的环境，但路径或环境激活可能有问题，导致安装到全局Python中而非当前环境。需要提醒用户检查激活的环境是否正确，以及pip是否指向正确的环境路径。 最后，常见问题部分需要涵盖权限问题（使用sudo可能导致系统包混乱，建议用用户安装或虚拟环境）、网络问题（镜像源）、依赖项缺失（如C++编译工具链），以及彻底卸载重装的步骤。这些步骤能帮助用户逐一排查问题，确保安装成功。</think>### 如何通过 pip 安装 Gym 或 Gymnasium 库 #### 1. 基础安装命令 - **安装 Gym**: ```bash pip install gym ``` 若需要特定环境依赖（如经典控制、Atari游戏等），需补充标签。例如： ```bash pip install gym[classic_control] # 包含经典控制环境（如CartPole） pip install gym[atari] # 包含Atari游戏环境 pip install gym[all] # 安装所有依赖（可能因系统兼容性报错）[^1] ``` - **安装 Gymnasium**（Gym的社区维护分支）: ```bash pip install gymnasium ``` 类似地，添加标签安装额外环境： ```bash pip install gymnasium[classic_control] pip install gymnasium[atari] ``` #### 2. 常见问题解决方案 - **依赖项缺失**（如`pygame`或`distutils`）： - 手动安装缺失模块（例如`pygame`）： ```bash pip install pygame ``` - 若报错涉及`distutils.msvccompiler`（Windows系统常见），需安装`setuptools`的兼容版本[^2]： ```bash pip install setuptools==65.5.0 ``` - **权限问题**： 使用`--user`避免系统级安装： ```bash pip install gym --user ``` 或通过虚拟环境隔离： ```bash python -m venv myenv source myenv/bin/activate # Linux/macOS myenv\Scripts\activate # Windows pip install gym ``` - **版本冲突**： 回退`pip`和`setuptools`版本（部分旧环境需要）： ```bash python -m pip install setuptools==65.5.0 pip==21 ``` #### 3. 验证安装 ```python import gym # 或 import gymnasium env = gym.make("CartPole-v1") observation = env.reset() print(observation) # 应输出初始状态数组 ``` #### 4. 卸载与重装（针对安装残留问题） ```bash pip uninstall gym gymnasium pip install gym --no-cache-dir # 忽略缓存重新安装 ``` ---
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