稍微记录一下我配环境的辛酸历程

更新！！！！！！！
最近真正开始配环境跑实验了，感觉有的地方更清楚了一些，所以把下面的内容重新更新一下，重点新增了如何配置pytorch和怎么安装星际微操的环境
2020年9月底的时候我的状态： 这些我也不是特别懂，先记一下吧

安装深度学习框架

配置pytorch-gpu

首先装Anaconda，然后创建虚拟环境，因为现在conda管理python包非常方便，尤其是在安装需要gpu的深度学习框架的时候，会自动下好相应的cudatoolkit , 划重点！！！ 不用自己再去下载cuda，cudnn，甚至改什么软连接了，比如说我现在要在linux的系统上安装一个pytorch-gpu版本的库，那我就去pytorch的官网，链接，选好我需要的配置就可以了，如下图：

只要在创建的虚拟环境中输入这个命令就可以了，亲测GPU可用。不得不说网上的各种教程还是有点误导人的，当然如果不使用anaconda，那还是可以按照现有的很多教程先安装CUDA,再cuDNN，等等依次安装。推荐几个教程，教程1,教程2，tensorflow的gpu版本应该也是可以通过anaconda这样安装的。

配置tensorflow

在Linux上

cpu版本的 ：直接conda就行 conda install tensorflow
gpu版本的： 这是最神奇的，就是我在linux系统的服务器上装的，显卡是Titan X Pascal，然后我没有考虑版本问题，直接conda install tensorflow-gpu就可以用了，装的是tf-gpu 2.0.0，测试gpu是否可用显示TRUE， 然后我用
nvcc -V 和 cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2测了一下CUDA和cudnn的版本，分别是8.0.61，6.0.21，就是也不是和2.0.0tf匹配的， 哈哈很神奇；但是同样我尝试了一下安装tensorflow1.8.0 gpu版本，直接conda install tensorflow-gpu==1.8.0发现是不行的，还挺合理的。（2020.11月更新，我觉得参考上面的pytorch-gpu安装，这块应该问题不大，之后用到tensorflow的时候我再更新）

在Windows上

cpu版本的 就是pip install tensorflow==2.0.0 /1.8.0 这种就行，可以加一个镜像源，如果安装成功了但是import出错，可能是因为核显不支持高版本，比如我的电脑目前就不支持2.0.0以上的版本 =.=，或者网上也有说加一个vs2015/17啥的，建议先考虑降低tf版本（但不知道为什么我用conda装不上，可能conda版本不够吧）。
GPU 版本的 首先是装CUDA cudnn，这些网上都有安装教程，然后根据CUDA cudnn tensorflow三者匹配关系确定一个tensorflow-gpu的版本，再pip install tensorflow-gpu ==xxx就可以了（感觉应该是这样的，但是我的CUDA没装上，所以我也不能保证这些），可以确定的是按照我电脑目前的配置直接装tf-gpu是可以装上但是运行不了，显示大概就是没有CUDA的问题。但是我不是很确定windows上会不会发生和我在服务器上一样的情况，就是安装2.x的TF，不必匹配版本，有CUDA就行。

测试tf-gpu装上没: tf.test.is_gpu_available()
另外怎么用tf2.x跑tf1.x的代码：可以参考这个链接 link
这个后续我会去官网看一下教程的，而不是直接看各种二手资料，我努力尽快尽量去

安装Multiagent Particle Environment

在这个github网址link 把环境下载下来（后续再说吧）

安装星际微操环境

按照我的理解是这样的，首先暴雪娱乐公司（Blizzard），也就是星际争霸的研发公司，和DeepMind团队共同发布了以星际争霸Ⅱ为AI训练和测试的环境StarCraft II Learning Environment (SC2LE)，提供了游戏的API，方便用来研究相关的智能算法，并且基于提供的API还提供了一套相对更简洁的python接口，方便使用python来让智能体学习星际争霸，链接在pysc2，这差不多是在17年进行的工作，然后19年大牛组Shimon Whiteson团队基于SC2LE和pysc2提供了一个新的星际Ⅱ有关的benchmark，SMAC，主要用来研究多智能体合作、分布式控制多智能体的问题，链接在SMAC，另外这个组还提供了很多使用强化学习在多智能体合作领域一些sota算法的实现，如COMA,QMIX,QTRAN等等，算法实现在这里，Pymarl。

另外我确实在实际安装SMAC这个环境的时候遇到了太多问题，还相对费时间地学习了一下docker，=.=，后来发现安装这个环境有一些坑还是可以避免的，不必每一个坑都踩，这里也记录一下方便大家学习，真的是很抱歉本来我应该很早就记录的，懒惰让我忘记了。我安装这个SMAC环境主要参考的是Pymarl的这个教程，在其github主页上的提示是这样的：

真的好简单，但是也花了我好多时间，这里稍微解释一下吧

首先关于dockerfile，为了避免配环境需要各种依赖库等等的麻烦，这里提供的是docker容器，把各种依赖都打包好封装在一个沙箱里，进入这个沙箱就可以直接运行各种应用。具体的应用过程是：dockerfile生成镜像image，用image去运行一个容器container，在容器里（理解成一个新的环境配好的电脑，环境就是按照dockerfile配好的）运行实验，关于docker的具体介绍可以参考这个教程，docker 教程。

参考dockerfile配置环境

所以如上所述，可以直接按照docker那一套来配环境所需要的依赖，但是对于docker不太熟悉的朋友，这里也可以简单说一下怎么按照dockerfile自己配环境，我们可以来看一下这个dockefile。

• 这里1-2行是标准的dockerfile的写法，是说我的这个镜像是基于那个镜像来写的，管理人是谁，比如生成的container里的系统就是ubuntu16.04的系统，cuda9.2版本，因此自己在配环境的时候就可以自己安装一下cuda9.2版本，cudnn对应的版本等
• 5-7 是在声明环境变量，因为有的代码要用到gpu，所以需要在环境变量里添加CUDA的位置，自己可以查一下
• 10-19 这里是按照一些常见的linux系统的包，比如说vim wget这些，因为生成的容器container是非常纯净的啥也没有，但是一般我们的服务器上应该是这些常见的包都有的，所以并不是每个都需要，比如我这里就直接跳过了
• 22-25 安装python，pip，28-31，安装python代码运行的时候需要的一些依赖包，36，38同理
• 33，34+39,这里是安装 oxwhirl这个课题组提供的一个sacred的包，具体就是git clone sacred.git这个包，然后进入 sacred这个文件夹，再python3 setup.py install就可以安装sacred了，反正目的是安装这个包，具体怎么实现的无所谓
  
• 44-45，安装pytorch，这样安装的好像不会用gpu，具体如何安装gpu版本，参考上面
• 48 安装smac这个包
• 49 声明星际争霸的安装位置，因为代码要和这个环境实时交互，所以需要声明它的位置
• 51 这个和docker有关，不用管

安装星际争霸，添加地图

上面那步相当于我们把算法代码运行需要的依赖库等等都安装好了，接下来还需要安装算法真正交互的环境，也就是星际争霸Ⅱ，具体参考install_sc2.sh，截图：

这里最主要的就是：

• 按照红圈1 wget下载星际争霸的linux版本，解压，并且参考15声明星际争霸的位置，这里是安装到了当前目录/3rdparty/StarCraft，和上面的49行其实还有点重复
• 按照红圈2下载smac地图，地图里面有具体的星际微操设定，并且把地图放到当前目录/3rdparty/StarCraft/Maps里面

运行代码

基本上按照上面的方式配置好环境依赖，安装好星际争霸就没有问题了，反正我是运行了，就是python3 src/main.py --config=qmix --env-config=sc2 with env_args.map_name=2s3z
大家有什么问题再提问吧，另外需要注意的是这里安装环境的时候用的是pip3安装，但是不知道为什么在anaconda3中生成虚拟环境后，用pip3安装是安装不到当前的虚拟环境的，所以运行会报错，建议使用pip3的时候先看一下pip3的位置，可以用pip3 -V，看是不是和当前虚拟环境一致，难以置信这样简单的问题我花了快两天才找到，=.=，不过用conda装python包好像就没有这个问题，只是有些python包conda里没有,只能pip

写在最后

关于配环境基本就是这样了，更新得有点晚，T.T