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,ACKTR,PPO等)。本着不仅仅局限在python3+keras+tensorflow+gym玩玩游戏,看看效果的层面上,笔者更想着眼于不断地跟进新算法和进展,实现机器臂,机器人的仿真等具有一定潜在价值的问题上。相信很多朋友也和我一个心态,但是对于一个小白来讲,完事开头难,因此,经过4天痛苦的部署过程,目前还没发现详细具体的全过程部署记录,笔者在此提供手把手的Roboschool的环境部署教程,希望能有更多的人受益,少走弯路,话不多说,进入正题。
目录
总体目录:
1. 环境与注意事项
首先,我选择的软件与版本(未标注的版本信息可根据自己的要求选择,不影响结果):
- Ubuntu kylin(16.04)
- Python3.5(3.5.2)
- Anaconda3
- Nvidia driver 384.98 + Cuda8.0 + Cudnn 8.0
- tensorflow + keras + pytorch
- OpenGym + Roboschool
其次,我的硬件环境与版本(硬件与驱动挂钩,对于正确的部署很重要):
- NVIDIA Corporation
- GeForce GTX 1050 Ti/PCIe/SSE2
需要注意的是,Nvidia driver一定要根据官网选择一个稳定且适配你的电脑的最新版本(你可以在这个网站上查看: https://www.nvidia.com/object/unix.html). 因为这将影响着你的开关机和Cuda的部署以及后续OpenGL的正常工作与否!!!
此外,关于Ubuntu kylin以及Cuda8.0 + Cudnn的部署可以参考叶落寒蝉的Cuda8.0配置以及Cudnn配置教程
最后,由于Ubuntu kylin装机后自带python2.7以及3.5,但是我们由于希望用conda对python进行管理和之后的开发,这里我们不去管它(PS:千万不要删除自带的python,否则后果谁删水知道)只需要按照anaconda3官网提供的步骤进行正确安装即可。
2.利用conda安装必要项
安装过程很简单,首先看tensorflow的安装:
// 在conda中创建一个tensorflow的env,该env下python版本选择3.5
zdl@zdl-GL62M-7REX:~$ conda create -n tensorflow
// 激活该env
zdl@zdl-GL62M-7REX:~$ source activate tensorflow python=3.5
// 注意这里面tensorflow_gpu-1.2.0-cp35-cp35m-linux_x86_64.whl是根据官网的list以及自身电脑配置进行选择的
(tensorflow) zdl@zdl-GL62M-7REX:~$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.2.0-cp35-cp35m-linux_x86_64.whl
// 由于terminal提示我没有安装pip3,因此:
(tensorflow) zdl@zdl-GL62M-7REX:~$ sudo apt install python3-pip
(tensorflow) zdl@zdl-GL62M-7REX:~$ pip3 install --ignore-installed --upgrade $TF_BINARY_URL
// 至此,tensorflow安装完毕,可以测试一下:
$ python
$ import tensorflow
到了这一步骤,我们的tensorflow安装完毕,但是先不要着急安装gym以及roboschool:
// 再次创建一个环境&#