Windows环境下配置深度强化学习环境玩Atari游戏
2021/5/5 7:29:08
本文主要是介绍Windows环境下配置深度强化学习环境玩Atari游戏,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
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
这篇关于Windows环境下配置深度强化学习环境玩Atari游戏的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-06-15matplotlib作图不显示3D图,怎么办?
- 2024-06-1503-Loki 日志监控
- 2024-06-1504-让LLM理解知识 -Prompt
- 2024-06-05做软件测试需要懂代码吗?
- 2024-06-0514-ShardingSphere的分布式主键实现
- 2024-06-03为什么以及如何要进行架构设计权衡?
- 2024-05-31全网首发第二弹!软考2024年5月《软件设计师》真题+解析+答案!(11-20题)
- 2024-05-31全网首发!软考2024年5月《软件设计师》真题+解析+答案!(21-30题)
- 2024-05-30【Java】百万数据excel导出功能如何实现
- 2024-05-30我们小公司,哪像华为一样,用得上IPD(集成产品开发)?