LAG环境配置教程

部署运行你感兴趣的模型镜像

系统配置

当前系统是windows11,没有安装python和visual studio。

1、下载vs_BuildTools并安装

Microsoft C++ 生成工具
https://aka.ms/vs/17/release/vs_BuildTools.exe
运行vs_BuildTools
选“工作负荷”,“使用C++的桌面开发”,选择

在安装 Microsoft C++ 生成工具时,建议勾选:
必需组件:
✅ MSVC v143 - VS 2022 C++ x64/x86 生成工具(最新版本)
✅ Windows 10 SDK (10.0.20348.0) 或更高版本
✅ C++ CMake tools for Windows

可选但推荐的组件:
✅ Windows 11 SDK(如果可用,可以作为补充)
✅ C++ 核心功能
✅ MSVC v142 - VS 2019 C++ x64/x86 生成工具(用于兼容旧项目)

2、下载Miniconda Installers,windows版本并安装

下载Miniconda Installers windows版本并安装。
https://repo.anaconda.com/miniconda/Miniconda3-latest-Windows-x86_64.exe

3、创建Python虚拟环境

打开新安装的Anaconda prompt,创建一个虚拟环境并激活。
用以下命令创建jsbsim的conda环境:

conda create -n jsbsim python=3.8

下载完成后,激活jsbsim环境

conda activate jsbsim

4、下载依赖库

pip install torch pymap3d jsbsim==1.1.6 geographiclib gym wandb icecream setproctitle shapely

下载太慢的话,可以用国内镜像网站

pip install torch pymap3d jsbsim==1.1.6 geographiclib gym wandb icecream setproctitle shapely -i 

您可能感兴趣的与本文相关的镜像

Python3.8

Python3.8

Conda
Python

Python 是一种高级、解释型、通用的编程语言,以其简洁易读的语法而闻名,适用于广泛的应用,包括Web开发、数据分析、人工智能和自动化脚本

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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