【深度学习】使用Anaconda和PyTorch在无显卡Windows系统上配置强化学习环境

1. 安装Anaconda

1. 从Anaconda官网下载Windows安装包（Python 3.x版本），磁盘资源充足的情况下推荐 Anaconda Distribution，而不是Miniconda Installers
2. 运行安装程序，选择默认选项
3. 验证安装：打开Anaconda PowerShell Prompt，输入conda --version验证安装

2. 创建虚拟环境

# 创建名为"rl_env"的环境，指定Python版本
conda create -n rl_env python=3.9

# 激活环境
conda activate rl_env

3. 安装PyTorch（CPU版本）

在Anaconda Prompt中执行：

# 安装CPU版本的PyTorch（2.0.1为稳定版本）
conda install pytorch torchvision torchaudio cpuonly -c pytorch

4. 安装强化学习库

# 基础RL库
pip install gymnasium #强化学习环境，仅核心库
# pip install gymnasium[all]        # 全部库，时间较久，且Box2D环境需要Microsoft Visual C++，视需求补装

pip install stable-baselines3[extra]  # 策略梯度算法

# 高级库（可选）
pip install ray[rllib]          # 分布式RL框架
pip install pettingzoo[all]     # 多智能体环境

5. 安装辅助工具

# 可视化与数据处理
pip install matplotlib seaborn pandas
pip install jupyter notebook    # 交互式开发

6. 验证配置

在vscode中按 Ctrl+Shift+P 打开命令面板，输入 Python: Select Interpreter
在列表中选择我们建立的 rl_env 环境

在Python中运行以下代码：

import torch
import gymnasium as gym
from stable_baselines3 import PPO

# 检查GPU是否禁用
print(f"PyTorch GPU可用: {torch.cuda.is_available()}")  # 应输出False

# 测试环境
env = gym.make("CartPole-v1")
obs, _ = env.reset()

# 测试模型创建
model = PPO("MlpPolicy", env, verbose=1)

print("环境和模型初始化成功！")

注意终端类型