强化学习与Gym环境配置

已于 2022-10-22 21:27:40 修改
阅读量1.6k 收藏 7
点赞数
文章标签： python windows
于 2022-10-22 20:03:24 首次发布
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/weixin_41177820/article/details/127466049
版权

强化学习与Gym环境配置

今天在Win10系统下实现了Gym的安装与环境配置，过程中遇到了一些小问题，仅作记录，方便后续回看，最后成功在win10系统下启动了box2d小游戏
在这里插入图片描述

Requirements

  • Windows10
  • Python = 3.8

环境配置

（如果不想阅读全文，可以直接执行下列代码，完成环境配置）

conda install gym
conda install pyglet
conda install swig
pip3 install box2d

解释与说明

OpenAI/Gym官方文档指出gym不完全支持win10，于是今天做了一个尝试，首先安装gym库，import gym时提示缺少pyglet模块，直接通过conda进行安装，随后运行验证代码，如下：

最低0.47元/天 解锁文章
叶落风沙
关注
强化学习实战——OpenAI Gym环境配置+实战演示（win10）
LZL2020LZL的博客
11-21 4547
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。
PyTorch强化学习实战（1）——强化学习环境配置与PyTorch基础
热门推荐
盼小辉丶的博客
05-29 15万+
工欲善其事，必先利其器。为了更专注于学习强化学习的思想，而不必关注其底层的计算细节，我们首先搭建相关强化学习环境，包括 PyTorch 和 Gym，其中 PyTorch 是我们将要使用的主要深度学习框架，Gym 则提供了用于各种强化学习模拟和任务的环境。除此之外，本文还介绍了一些 PyTorch 的基础知识，以及 Gym 环境的使用方法，为之后的强化学习实战奠定基础。
gym强化学习环境配置
qq_53682472的博客
07-02 1615
下载完成后，安装包在Downloads文件夹下（在终端用Ctrl+Alt+T组合键打开终端），键入cd downloads，然后键入bash anaconda3_4.3.0-linux-x86_64.sh(小技巧，键入bash an 然后按下Tab键，Linux会自动补全后面的名字)3.gym 本身集成许多仿真环境，如经典控制中的车摆环境，小车爬山环境、雅达利游戏、棋盘环境等，利用这些写好的环境，可以学习强化学习算法的基本原理。物理引擎用来模拟环境中物体的运动规律，图像引擎用来显示环境中的物体图像。
在Anaconda里配置gym
最新发布
cherry_qy_c的博客
03-19 184
pip3 install torch torchvision torchaudio（因为我电脑没有GPU）python -m pygame.examples.aliens（会出现游戏画面）
conda部分命令与强化学习gym环境配置
weixin_47445856的博客
09-06 2776
conda部分命令与gym环境环境配置，gym下的pytorch的安装，pip命令
强化学习笔记——Win10+Gym环境配置
Yimi-依米 的博客
10-29 8586
Win10+Gym强化学习环境配置Anaconda下载安装完测试一下（可选）设置Anaconda镜像，加速下载包使用Anaconda进行Python环境创建创建一个gym环境安装相关组件编写一个python程序并运行PyCharm Anaconda Anaconda主要是用来创建独立的 Python 开发运行环境。 下载 镜像下载地址 我下载的是Anaconda3-4.3.0-Windows-x8...
自定义openAI gym环境
m0_38122847的博客
03-09 1478
自定义gym环境
一个支持非gym环境训练、支持可视化配置的深度强化学习应用编程框架，30分钟上手强化学习编程。.zip
01-14
深度强化学习（Deep Reinforcement Learning, DRL）是人工智能领域的一个重要分支，它结合了深度学习的表征能力与强化学习的决策制定过程，使得智能体能够在复杂的环境中学习最优策略。在标题和描述中提到的编程框架...
环境搭建 | Gym安装与环境搭建教程(附基本指令表)
FRIGIDWINTER的博客
04-20 2万+
强化学习是在潜在的不确定复杂环境中，训练一个最优决策指导一系列行动实现目标最优化的机器学习方法。自从AlphaGo的横空出世之后，确定了强化学习在人工智能领域的重要地位，越来越多的人加入到强化学习的研究和学习中。OpenAI Gym是一个研究和比较强化学习相关算法的开源工具包，包含了许多经典的仿真环境(各种游戏)，兼容常见的数值运算库，使用户无需过多了解游戏的内部实现，通过简单地调用就可以用来测试和仿真。OpenAI GymGym开源库：测试仿真环境，这些环境有一个公共的接口且允许用户设计通用的算法。
pybullet-gym:用于OpenAI Gym强化学习研究平台的OpenAI Gym MuJoCo环境的开源实现
05-02
PyBullet Gymperium是OpenAI Gym MuJoCo环境的开源实现，可与OpenAI Gym强化学习研究平台一起使用，以支持开放研究。 OpenAI Gym当前是用于开发和比较强化学习算法的最广泛使用的工具包之一。 不幸的是，对于一些...
如何在win10环境下配置强化学习gym库（使用vscode）
m0_63054020的博客
08-29 3798
如何使用vscode在强化学习中配置gym库
Teansorflow 1.4 cpu版+Keras+Gym离线安装包（windows）
01-23
安装方法：Anaconda3自带的conda prompt下面，输入"pip install + 各个whl文件或tar.gz“文件的完整路径名，或输入pip install之后，将文件拖至conda prompt即可。注意各whl有安装顺序要求，一试便知。 Keras为最新的2.1.3版，强化学习资源GYM为最新的0.9.4版 Win10用户需要以管理员运行conda prompt
Win11用anaconda创建gym环境
weixin_52867195的博客
11-20 3397
不了解虚拟环境的小伙伴可以看一下这个,可以对后续安装过程有一个理解，简而言之就是新创建一个容器来放第三方库，然后用这个虚拟环境的python解释器来运行代码。由于我运行的是其他的代码，期间出现了一系列的第三方库的版本不兼容的问题又或者是版本太高的问题，各位小伙伴如果遇到这种问题就逐一解决就可以啦（就是卸载、重装…你会发现C：\Windows\system32前面多了(gym)，变成(gym)C：\Windows\system32，就是这样，然后安装一些组件（(花了整整一天的时间，各种报错…
【windows系统anaconda下gym环境搭建】新手向手把手细致讲解
liaoge666的博客
10-15 5934
今天来用一篇文章说明讲解一下小白如何零基础，在windows系统下的anaconda下安装搭建gym环境，对新手十分友好，也欢迎大家在评论区一起讨论解决问题。
windows下利用pycharm运行gym框架
泠崖的博客
07-06 4240
在windows下利用pycharm运行gym框架，python3.9
如何在Anaconda自创的环境下安装指定版本的包（numpy, tensorflow, gym）
thompson的博客
12-09 2万+
例如，我现状创建了一个环境，名为rl，想用来写强化学习的程序，但是opanai给的历程需要一些特定版本的库，例如： Known dependencies: Python (3.5.4), OpenAI gym (0.10.5), tensorflow (1.8.0), numpy (1.14.5) 具体该怎么做呢？ 首先用命令行来到你下载的环境所在的位置，它在哪呢？ 打开anaconda安装位置，里面有个envs文件夹，可以看到以我们创建的环境命名的文件夹，我们创建的环境的相关文件就在这里面 里面有个Sc
使用conda、pip命令配置机器学习领域库时遇到的坑
qq_64787255的博客
07-08 683
使用conda、pip命令配置机器学习领域库时遇到的坑
完整安装gym以及遇到的box2d-py无法安装问题-2023年12月最新
Lyajpunov的博客
12-25 2699
安装gym环境，以及遇到的错误和需要额外安装的包
win10 下如何安装完整的gym库？
Markfieraloha的博客
08-08 3190
使用pip install 安装的gym库是最小安装版本，其中并不报考一些子库比如gym[box2d]等，下面介绍如何安装完整版的gym库。 1、下载swig https://sourceforge.net/projects/swig/files/swigwin/ 2、解压缩 将其解压到C:\Program Files\swigwin-4.0.1下。 （需自行创建） 3、添加环境变量 将第二步所示的目录添加到环境变量中。 此电脑 →属性→高级系统设置→环境变量→系统变量中的“path”，添加新路径→保
强化学习环境gym配置
12-29
### 如何配置强化学习环境 Gym #### 安装 Python 和 pip 为了使用 Gym，需要先安装 Python 及其包管理工具 pip。建议版本为 Python 3.x。 #### 创建虚拟环境 (可选) 创建并激活一个新的虚拟环境有助于隔离项目依赖关系： ```bash python -m venv rl_env source rl_env/bin/activate # Linux 或 macOS rl_env\Scripts\activate # Windows ``` #### 安装 Gym 库 可以通过 pip 来安装 Gym 库及其依赖项[^1]： ```bash pip install gym ``` 对于想要尝试更多复杂环境的开发者来说，还可以考虑安装额外的支持组件，比如用于模拟物理交互的 Mujoco 环境。需要注意的是，Mujoco 是商业产品，因此需要有效的许可证才能正常使用[^3]。 #### 测试安装是否成功 完成上述操作之后，可以在命令行输入 python 进入解释器模式，并执行如下代码片段验证 Gym 是否能够正常工作： ```python import gym env = gym.make('CartPole-v1') observation = env.reset() for _ in range(1000): action = env.action_space.sample() # 获取随机动作 observation, reward, done, info = env.step(action) # 执行一步 if done: break env.close() ``` 这段简单的程序会启动一个名为 `CartPole` 的经典控制问题实例，并让小车按照随机策略运行直到失败为止[^2]。
评论 1
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