【四】gym搭建自己的环境，全网最详细版本，3分钟你就学会了！

已于 2023-06-02 11:23:17 修改
阅读量1.6w 收藏 144
点赞数 34
分类专栏： tensorflow # tensorflow_gym-强化学习 文章标签： python tensorflow 机器学习 深度学习 pytorch
于 2021-04-08 21:03:55 首次发布
涉及博主原创类文章，未经博主许可不允许转载
本文链接：https://blog.csdn.net/sinat_39620217/article/details/115519622
版权
本文详细介绍了如何在gym中搭建自己的环境，包括获取和了解环境、编写及放置文件、注册模拟器以及测试环境的步骤。通过创建myenv.py文件并进行适当修改，然后在gym的相应目录下注册环境，最后进行测试验证环境的正确性。文中特别强调了环境版本号的重要性，提醒读者在注册和import时要注意添加。

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

了解本专栏 订阅专栏 解锁全文 超级会员免费看
搭建你的第一个 Gym 智能体（含 DQN 实战）
努力分享一些人工智能相关的知识干货！
04-09 779
强化学习不只是顶会里的神秘算法，它是真正能跑起来、训得动、改得爽的智能体核心能力之一。 本篇我们将用最经典的 CartPole 环境 + DQN 算法，搭建你的第一个可学习智能体。你将从 Gym 环境出发，理解 Agent 与环境的交互机制，用 PyTorch 构建策略网络，搭建 Replay Buffer、目标网络、探索策略，并可视化训练结果。这是从理论到动手的实战跳跃，也是你“能做智能体”的第一步。
【五】gym搭建自己的环境之寻宝游戏，详细定义自己myenv.py文件以及算法实现
丨汀、的博客
04-08 5322
相关文章： 【一】gym环境安装以及安装遇到的错误解决 【二】gym初次入门一学就会-简明教程 【三】gym简单画图 用户可以记录和上传算法在环境中的表现或者上传自己模型的Gist，生成评估报告，还能录制模型玩游戏的小视频。在每个环境下都有一个排行榜，用来比较大家的模型表现。 可参考官方http://gym.openai.com/docs/ ...
建立自己的gym环境并调用
lxs3213196的博客
11-24 1万+
建立自己的gym环境并调用gym构建环境并调用的四个步骤环境文件中的必备要素 机器人找金币的实例实际上就是在教我们利用现有的openAI环境建立自己的gym环境并进行调用。 gym 搞深度强化学习，训练环境的搭建是必须的，因为训练环境是测试算法，训练参数的基本平台。 现在大家用的最多的是openai的gym或者universe。这两个平台非常好，是通用的平台，而且与tensorflow和Theano无缝连接，目前只支持python语言。 gym的安装官网介绍的非常清楚链接: https://gym.open
gym如何搭建自己的环境
weixin_50922203的博客
07-28 5786
翻译结果为没错，gym里没有依赖reward_threshold的代码。它本质上是环境的外部用户可以使用的元数据。尽管如此，它仍然可用于跨不同环境的奖励规范化，或者用于计算“在所有环境中，我的新算法设法解决了多少”的聚合统计信息。这里的Location和上文的不同是因为我在python默认环境和Anaconda中都装有gym，因此在找位置时要。很多教程都是在已有的gym环境文件夹下，为了方便我选择新建一个文件夹来保存我搭建的gym环境。至此，环境的注册就完成了，可以使用自定义的环境了。......
强化学习实践（三）基于gym搭建自己的环境（在gym0.26.2可运行）
weixin_48878618的博客
10-08 3514
自我搭建的环境可以视为一个类。主要包含：变量、函数。变量：必须含有动作和状态，如self.states 状态空间，self.actions 动作空间，self.t 状态转移，self.rewards 回报，self.terminate_states 终止状态等。函数包含：__init __seed，step，
一起来学强化学习系列(一)-gym环境搭建
little_spice的博客
03-17 7895
小白学强化学习系列
强化学习实践（二）Gym（安装、环境搭建、运行倒立摆（代码可运行））
weixin_48878618的博客
10-04 2446
1.2.3.4.
强化学习快餐教程(1) - gym环境搭建
lusing的专栏
10-02 1222
强化学习快餐教程(1) - gym环境搭建 欲练强化学习神功，首先得找一个可以操练的场地。 两大巨头OpenAI和Google DeepMind都不约而同的以游戏做为平台，比如OpenAI的长处是DOTA2，而DeepMind是AlphaGo下围棋。 下面我们就从OpenAI为我们提供的gym为入口，开始强化学习之旅。 OpenAI gym平台安装 安装方法很简单，gym是python的一个包，通...
【六】gym搭建自己环境升级版设计，动态障碍------强化学习
丨汀、的博客
04-21 4687
【六】gym搭建自己环境升级版设计，动态障碍------强化学习 1.环境背景介绍： 如图所示：初始状态下的环境，机器人在左上角出发，去寻找右下角的电池，静态障碍：分别在10、19位置，动态障碍：有飞机和轮船，箭头表示它们可以移动到的位置，会随时间改变而改变。这里假设：它们的移动速度和机器人一样。飞机会沿着当前列上下来回移动，轮船则只在当前位置到左边两格的范围来回移动。移动范围：如箭头所示。 假设每个训练episode中，机器人在每一个step都有四个方向选择，碰到障碍物或者ste...
【三】gym简单画图、快来上手入门吧，超级简单！
丨汀、的博客
04-08 3405
相关文章： 【一】gym环境安装以及安装遇到的错误解决 【二】gym初次入门一学就会-简明教程 【三】gym简单画图 【三】gym简单画图 demo_1: 首先，导入库文件（包括gym模块和gym中的渲染模块） 我们生成一个类，该类继承 gym.Env. 同时，可以添加元数据，改变渲染环境时的参数 我们在初始函数中定义一个 viewer ，即画板 继承 render函数 最后运行 import gym from gym.envs.classic_control import r.
【二】gym初次入门一学就会---代码详细解析简明教程----平衡杆案例
丨汀、的博客
04-08 6535
相关文章： 【一】gym环境安装以及安装遇到的错误解决 gym简明教程 创建CartPole-v0的环境. import gym env = gym.make('CartPole-v0') env.reset() for i in range(1000): env.render() env.step(env.action_space.sample()) # take a random action env.close() 代码含义： reset(self)：重置环境的状.
gym-0.12.0所有环境
03-29
gym-0.12.0所有环境，800多个，比想象中的多。python-gym-0.12.0
【强化学习系列】Gym库使用——创建自己的强化学习环境1：单一环境创建测试+简单环境可视化
最新发布
qq_58718853的博客
09-12 2622
本文基于gym官方文档尝试创建自己的单一强化学习环境
强化学习实战——OpenAI Gym环境配置+实战演示（win10）
LZL2020LZL的博客
11-21 4571
遇到问题：无法安装pickle5原因是:python3.8与该包不兼容，必须降python3.7的版本。
构建自己的gym训练环境 巨详细
热门推荐
RenJie_L的博客
03-15 2万+
本文对搭建自己的gym训练环境从内部函数到注册环境对每步进行详细说明。
使用gym搭建自定义（以二维迷宫为例）环境并实现强化学习 python
weixin_66540163的博客
04-25 2991
直接上代码，在我们自定义的环境myenv/myenv.py中写入（详细讲解在6）""""""""""""return {canvas,),canvas,canvas,0,width=3,canvas,0,width=3,
[译] Make your own custom environment：gym-设定自己的环境
panbaoran913的博客
10-14 730
本文档概述了为创建新环境而设计的Gym中包含的创建新环境和相关有用包装器、实用程序和测试。您可以克隆健身房示例来使用此处提供的代码。
强化学习环境：Gym本地库中添加自己编写的环境
xl.zhang的博客
03-06 1万+
1. 找到本地gym库地址下的envs目录，可能是：python3.6/site-packages/gym/envs。 envs下面有多个目录，选择一个你的环境所属的目录（不是很重要，选择相近类别即可） 2.假如我们选择的是classic_control目录，进入该目录。 3.把自己编写的环境文件（比如myenv.py）拷贝至该目录。 4.打开该目录下的__init__.py...
Gym 环境汇总 （无mojoco版）
qq_40206371的博客
12-22 5315
把gym.make 里面的参数改掉，可以得到很多其他的游戏 使用以下方式得到有的环境名称 from gym import envs print(envs.registry.all()) 'Acrobot-v1 向上摆动一个双连杆机器人。 'BipedalWalker-v3' 训练双足机器人行走。 前进有奖励，累计300+积分到远端。 如果机器人摔倒，它会得到 -10...
gym搭建自己的环境之详细定义自己myenv.py文件
07-28
要搭建自己的环境，首先需要定义一个名为myenv.py的文件。这个文件将包含所有定义环境的代码。 首先，我们需要导入gym库，以便使用其中的基础类和函数。导入语句如下： ```python import gym ``` 然后，我们需要定义一个新的环境类，继承自gym.Env类。这个类将包含环境的所有逻辑和方法。代码如下： ```python class MyEnv(gym.Env): def __init__(self): # 在这里初始化环境 pass def reset(self): # 在这里重置环境，返回初始观察值 pass def step(self, action): # 在这里执行动作，返回下一个状态、奖励、是否终止和其他信息 pass ``` 在__init__方法中，我们可以初始化环境的一些属性，例如初始状态、动作空间、观测空间和奖励范围等。 在reset方法中，我们应该将环境重置为初始状态，并返回初始观察值。这个方法在每个新的回合开始时被调用。 在step方法中，我们执行给定的动作，并返回下一个状态、奖励、是否终止和其他信息。这个方法在每个环境更新步骤时被调用。 除了这些基本的方法，我们还可以定义其他辅助方法来支持环境的功能，例如计算奖励、判断终止条件、渲染环境等。 最后，我们可以在代码的末尾添加一些示例代码来测试我们的环境是否正常工作。 这就是一个简单的使用myenv.py文件定义自己的gym环境的过程。当我们完成了这个文件的编写，就可以在其他代码中使用我们自定义的环境了。
评论 17
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

打赏作者

汀、人工智能

十分感谢您的支持

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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