强化学习环境创建

最新推荐文章于 2024-09-21 11:24:43 发布

原创最新推荐文章于 2024-09-21 11:24:43 发布 · 322 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#强化学习 #python #tensorflow #深度学习

强化学习专栏收录该内容

1 篇文章

订阅专栏

本文介绍了如何通过Anaconda进行环境创建及管理，详细步骤包括从官网下载并安装Anaconda，然后利用AnacondaPrompt或Navigator创建环境。接着，展示了如何在环境中安装Tensorflow、Pytorch、Keras和OpenAI Gym，并提供了验证安装是否成功的代码片段。这是一个针对Python开发者，特别是深度学习爱好者的实用教程。

部署运行你感兴趣的模型镜像

Anaconda 安装

官网下载软件，直接安装。

环境创建

Method 1：利用Anaconda Prompt创建：
conda create --name reforcement_learning
conda activate reforcement_learning
Method 2：利用Anaconda navigator创建：
Environments-create-reforcement_learning

常用安装

利用Anaconda Prompt创建：
Tensorflow：
gpu：conda install -c anaconda tensorflow-gpu
cpu：conda install -c anaconda tensorflow
Pytorch：
gpu or cpu：conda install -c pytorch pytorch
Keras：
gpu：conda install -c anaconda keras-gpu
cpu：conda install -c anaconda keras
OpenAI gym：
pip install gym
pip install --no-index -f https://github.com/Kojoley/atari-py/releases atari_py

安装包的验证

1 Tensorflow，Pytorch，Keras
python -c “import tensorflow;print(tensorflow.version);”
python -c “import keras;print(keras.version);”
python -c “import torch;print(torch.version);”
2 OpenAI gym
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()