Windows环境下配置深度强化学习环境玩Atari游戏

Windows环境下配置深度强化学习环境玩Atari游戏

1.在anaconda命令行下创建新的环境

conda create -n gym_env python=3.8.5  #可以定义自己的环境名

2.激活环境

activate gym_env

补充:

如果需要cuda加速需要安装cuda和cudnn
安装cuda:
查看自己电脑的显卡版本,去https://developer.nvidia.com/cuda-toolkit-archive网站找到自己显卡对应的cuda版本下载,
下载完成后安装在默认路径下(否则安装完成后会看不到自己设置的文件夹)
Win+R,输入cmd.打开命令行,输入nvcc -V 出现版本号则安装成功
安装cudnn:
进官网https://developer.nvidia.com/rdp/cudnn-download,依据cuda版本选择相应cuDNN版本
下载完成后是一个压缩包,将其解压缩后的三个文件夹复制到cuda安装路径上
Win+R,输入cmd.打开命令行,输入nvidia-smi 成功输出则安装成功


3.安装tensorflow环境

conda install -c anaconda tensorflow-gpu

根据自己的需要安装GPU或者CPU版本

4.安装keras

conda install -c anaconda keras-gpu

5.安装pytorch

这里最好能够去pytorch官网查看自己前面安装版本对应的pytorch安装命令(对应GPU、CPU及CUDA版本不同安装命令有区别)
conda install -c pytorch pytorch

6.安装gym环境

pip install gym
pip install --no-index -f https://github.com/Kojoley/atari-py/releases atari_py
测试代码:
import gym
env = gym.make('MountainCar-v0')
for i_episode in range(20):
    observation = env.reset()
    for t in range(100):
        env.render()
        print(observation)
        action = env.action_space.sample()
        observation, reward, done, info = env.step(action)
    if done:
        print("Episode finished after {} timesteps".format(t+1))
        break
env.close()
成功运行则安装成功

 

上一篇:强化学习中atari游戏环境下帧的预处理操作


下一篇:Lunar Lander 月球冒险