2. 程式人生 > >強化學習環境安裝

強化學習環境安裝

阿新 • • 發佈：2018-11-15

Gym是一個開發和比較強化學習演算法的工具包。它對代理的結構不做任何假設，並且與任何數值計算庫(如TensorFlow或Theano)相容。
1.安裝好Gym和ba``selines
2.這個任務是在[Dietterich2000]中介紹的，以說明分層強化學習中的一些問題。有4個地點(用不同的字母標註)，你的工作是在一個地點接乘客，在另一個地點下車。如果你成功的停留了，你會得到+20分，並且在每次停留的時候你會損失1分。非法上下車的行為也會被扣10分。

import gym
env = gym.make("Taxi-v2")
observation = env.reset()
for _ in range(1000):
env.render()
action = env.action_space.sample() # your agent here (this takes random actions)
observation, reward, done, info = env.step(action)
1
2
3
4
5
6
7
1
2
3
4
5
6
7
+---------+
 R: : :G
: : : :
: :
Y : B:

+---------+

+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(Pickup)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(Dropoff)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(South)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(North)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(Dropoff)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(East)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(Pickup)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(South)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(South)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(Pickup)
+---------+
 R: : :G
: : : :
: :
Y : B:_
+---------+
(East)
+---------+
 R: : :G
: : : :
: :_
Y : B:
+---------+
(North)
+---------+
 R: : :G
: : : :
: :
Y : B:_
+---------+
(South)
+---------+
 R: : :G
: : : :
: :_
Y : B:
+---------+
(North)
+---------+
 R: : :G
: : : :
: :_
Y : B:
+---------+
(Dropoff)
+---------+
 R: : :G
: : : :_
: :
Y : B:
+---------+
(North)
+---------+
 R: : :G
: : : :_
: :
Y : B:
+---------+
(Dropoff)
+---------+
 R: : :G
: : : :
: :_
Y : B:
+---------+
(South)
+---------+
 R: : :G
: : : :_
: :
Y : B:
+---------+
(North)
+---------+
 R: : :G
: : : :_
: :
Y : B:
+---------+
(Pickup)
+---------+
 R: : :G
: : :_:
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
: : : :
: _:
Y : B:
+---------+
(South)
+---------+
 R: : :G
: : : :
: _:
Y : B:
+---------+
(West)
+---------+
 R: : :G
: : : :
: _:
Y : B:
+---------+
(Dropoff)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(South)
+---------+
 R: : :G
: : : :
: :
Y : B:_
+---------+
(East)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(South)
+---------+
 R: : :G
: : : :
: _:
Y : B:
+---------+
(North)
+---------+
 R: : :G
: : : :
: _:
Y : B:
+---------+
(West)
+---------+
 R: : :G
: : : :
: _:
Y : B:
+---------+
(Dropoff)
+---------+
 R: : :G
: : : :
: _:
Y : B:
+---------+
(West)
+---------+
 R: : :G
: : : :
: _:
Y : B:
+---------+
(West)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(South)
+---------+
 R: : :G
: : : :
: _:
Y : B:
+---------+
(North)
+---------+
 R: : :G
: : :_:
: :
Y : B:
+---------+
(North)
+---------+
 R: : :G
: : :_:
: :
Y : B:
+---------+
(North)
+---------+
 R: : :G
: : :_:
: :
Y : B:
+---------+
(South)
+---------+
 R: : :G
: : : :_
: :
Y : B:
+---------+
(East)
+---------+
 R: : :G
: : : :_
: :
Y : B:
+---------+
(Pickup)
+---------+
 R: : :G
: : :_:
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
: :_: :
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
: : :_:
: :
Y : B:
+---------+
(East)
+---------+
 R: : :G
: : :_:
: :
Y : B:
+---------+
(Pickup)
+---------+
 R: : :G
: : : :_
: :
Y : B:
+---------+
(East)
+---------+
 R: : :G
: : : :
: :_
Y : B:
+---------+
(South)
+---------+
 R: : :G
: : : :
: :
Y : B:_
+---------+
(South)
+---------+
 R: : :G
: : : :
: :
Y : B:_
+---------+
(Pickup)
+---------+
 R: : :G
: : : :
: :
Y : B:_
+---------+
(Dropoff)
+---------+
 R: : :G
: : : :
: :
Y : B:_
+---------+
(Dropoff)
+---------+
 R: : :G
: : : :
: :
Y : B:_
+---------+
(South)
+---------+
 R: : :G
: : : :
: :
Y : B:_
+---------+
(Pickup)
+---------+
 R: : :G
: : : :
: :_
Y : B:
+---------+
(North)
+---------+
 R: : :G
: : : :
: :_
Y : B:
+---------+
(Pickup)
+---------+
 R: : :G
: : : :_
: :
Y : B:
+---------+
(North)
+---------+
 R: : :G
: : : :_
: :
Y : B:
+---------+
(East)
+---------+
 R: : :G
: : : :_
: :
Y : B:
+---------+
(East)
+---------+
 R: : :G
: : : :
: :_
Y : B:
+---------+
(South)
+---------+
 R: : :G
: : : :_
: :
Y : B:
+---------+
(North)
+---------+
 R: : :G
: : : :_
: :
Y : B:
+---------+
(North)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(North)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(North)
+---------+
 R: :_:G
: : : :
: :
Y : B:
+---------+
(West)
+---------+
 R: _: :G
: : : :
: :
Y : B:
+---------+
(West)
+---------+
 R: :_:G
: : : :
: :
Y : B:
+---------+
(East)
+---------+
 R: _: :G
: : : :
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
: :_: :
: :
Y : B:
+---------+
(South)
+---------+
 R: : :G
:_: : :
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
:_: : :
: :
Y : B:
+---------+
(Dropoff)
+---------+
 R: : :G
:_: : :
: :
Y : B:
+---------+
(Pickup)
+---------+
 R:_ : :G
: : : :
: :
Y : B:
+---------+
(North)
+---------+
 R:_ : :G
: : : :
: :
Y : B:
+---------+
(East)
+---------+
 R:_ : :G
: : : :
: :
Y : B:
+---------+
(Pickup)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(Pickup)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(Pickup)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(Pickup)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(Pickup)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(Pickup)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(Pickup)
+---------+
 R: : :G
_: : : :
: :
Y : B:
+---------+
(South)
+---------+
 R: : :G
_: : : :
: :
Y : B:
+---------+
(Pickup)
+---------+
 R: : :G
_: : : :
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
:_: : :
: :
Y : B:
+---------+
(East)
+---------+
 R: : :G
:_: : :
: :
Y : B:
+---------+
(Dropoff)
+---------+
 R: : :G
:_: : :
: :
Y : B:
+---------+
(Dropoff)
+---------+
 R: : :G
:_: : :
: :
Y : B:
+---------+
(Dropoff)
+---------+
 R: : :G
:_: : :
: :
Y : B:
+---------+
(South)
+---------+
 R: : :G
:_: : :
: :
Y : B:
+---------+
(North)
+---------+
 R: : :G
:_: : :
: :
Y : B:
+---------+
(Dropoff)
+---------+
 R:_ : :G
: : : :
: :
Y : B:
+---------+
(North)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
_: : : :
: :
Y : B:
+---------+
(South)
+---------+
 R: : :G
_: : : :
: :
Y : B:
+---------+
(Dropoff)
+---------+
 R: : :G
_: : : :
: :
Y : B:
+---------+
(South)
+---------+
 R: : :G
_: : : :
: :
Y : B:
+---------+
(North)
+---------+
 R: : :G
:_: : :
: :
Y : B:
+---------+
(East)
+---------+
 R: : :G
:_: : :
: :
Y : B:
+---------+
(Pickup)
+---------+
 R: : :G
: :_: :
: :
Y : B:
+---------+
(East)
+---------+
 R: : :G
: :_: :
: :
Y : B:
+---------+
(South)
+---------+
 R: : :G
: :_: :
: :
Y : B:
+---------+
(Dropoff)
+---------+
 R: : :G
:_: : :
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
: :_: :
: :
Y : B:
+---------+
(East)
+---------+
 R: : :G
: : :_:
: :
Y : B:
+---------+
(East)
+---------+
 R: : :G
: : :_:
: :
Y : B:
+---------+
(Dropoff)
+---------+
 R: : :G
: : : :
: _:
Y : B:
+---------+
(South)
+---------+
 R: : :G
: : : :
: _:
Y : B:
+---------+
(Dropoff)
+---------+
 R: : :G
: : :_:
: :
Y : B:
+---------+
(North)
+---------+
 R: : :G
: : : :
: _:
Y : B:
+---------+
(South)
+---------+
 R: : :G
: : : :
: :_
Y : B:
+---------+
(East)
+---------+
 R: : :G
: : : :
: :_
Y : B:
+---------+
(East)
+---------+
 R: : :G
: : : :
: _:
Y : B:
+---------+
(West)
+---------+
 R: : :G
: : : :
: :_
Y : B:
+---------+
(East)
+---------+
 R: : :G
: : : :
: _:
Y : B:
+---------+
(West)
+---------+
 R: : :G
: : : :
: :_
Y : B:
+---------+
(East)
+---------+
 R: : :G
: : : :_
: :
Y : B:
+---------+
(North)
+---------+
 R: : :G
: : : :_
: :
Y : B:
+---------+
(East)
+---------+
 R: : :G
: : :_:
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
: :_: :
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
:_: : :
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
: :_: :
: :
Y : B:
+---------+
(East)
+---------+
 R: : :G
:_: : :
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
:_: : :
: :
Y : B:
+---------+
(Pickup)
+---------+
 R: : :G
:_: : :
: :
Y : B:
+---------+
(North)
+---------+
 R: : :G
: :_: :
: :
Y : B:
+---------+
(East)
+---------+
 R: : :G
:_: : :
: :
Y : B:
+---------+
(West)
+---------+
 R:_ : :G
: : : :
: :
Y : B:
+---------+
(North)
+---------+
 R:_ : :G
: : : :
: :
Y : B:
+---------+
(East)
+---------+
 R:_ : :G
: : : :
: :
Y : B:
+---------+
(North)
+---------+
 R:_ : :G
: : : :
: :
Y : B:
+---------+
(Pickup)
+---------+
 R:_ : :G
: : : :
: :
Y : B:
+---------+
(East)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
_: : : :
: :
Y : B:
+---------+
(South)
+---------+
 R: : :G
_: : : :
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
:_: : :
: :
Y : B:
+---------+
(East)
+---------+
 R: : :G
_: : : :
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
_: : : :
: :
Y : B:
+---------+
(South)
+---------+
 R: : :G
: : : :
_ : :
Y : B:
+---------+
(South)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(South)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(West)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(East)
+---------+
 R: : :G
: : : :
: :
Y : B:
+---------+
(West)
+---------+

相關推薦

強化學習環境安裝

Gym是一個開發和比較強化學習演算法的工具包。它對代理的結構不做任何假設，並且與任何數值計算庫(如TensorFlow或Theano)相容。1.安裝好Gym和ba``selines2.這個任務是在[Dietterich2000]中介紹的，以說明分層強化學習中的一些問題。有4個地點(用不同的字母標註)，你的工作

強化學習環境-Gym安裝到使用入門

Gym是一個用於測試和比較強化學習演算法的工具包，它不依賴強化學習演算法結構，並且可以使用很多方法對它進行呼叫，像Tensorflow、Theano。 Gym庫收集、解決了很多環境的測試過程中的問題，能夠很好地使得你的強化學習演算法得到很好的工作。並且含有遊戲介面，能夠幫助

基於scikitlearn的深度學習環境安裝(三)(完整版)

錯誤提示 title -m lap mnist class clas pip evel OS Linux Ubuntu14.04安裝 pip （python2.7.9或以上自帶pip） sudo apt-get install python-pip pip是python環

2018-05-11-機器學習環境安裝-I7-GTX960M-UBUNTU1804-CUDA90-CUDNN712-TF180-KERAS-GYM-ATARI-BOX2D

ssh鏈接 返回 sta arch 打飛機 close select erp gef layout: post title: 2018-05-11-機器學習環境安裝-I7-GTX960M-UBUNTU1804-CUDA90-CUDNN712-TF180-KERAS-GYM

強化學習環境gym配置及北京pk10源碼下載

git clone glfw3 -c sdl2 經典 cmake apt-get pk10 numpy 北京pk10源碼下載（企 娥:217 1793 408）OpenAI Gym是OpenAI出的研究強化學習算法的toolkit，它裏邊cover的場景非常多，從經典的Ca

深度學習環境安裝筆記

行動式工作站 Ubuntu18.04LTS gcc, g++ 4.8 NVIDIA Drivers 390 CUDA9.0 CUdnn v7.1.4 TensorFlow版本 啟用：$source activate tensorflow 結束：$source de

深度學習環境安裝注意事項01（Ubuntu16.04+caffe+1060（6G））

1：顯示卡驅動安裝 1）https://www.geforce.com/drivers 去官網找驅動下載安裝 2）直接在軟體與更新中驅動更新安裝。（最新的版本不一定是最適合的） 2：cuda安裝 1）這個連結https://developer.nvidia.com/cuda

Tensorflow1.4.0(GPU)+Win10+Anaconda5.0.1+CUDA8.0+cuDNN6.0+Python3.6深度學習環境安裝

第一次寫部落格，因為Tensorflow1.4.0（GPU）安裝，感慨萬千，也希望大家安裝的時候別走博主的坑，博主儘量讓大家避開坑（關注官網動態很重要）也是看了很多篇部落格。但是很多不具有時效性，畢竟Tensorflow一直在發展，一直在更新新版本。總結出了很多

PySC2星際爭霸Ⅱ 強化學習環境搭建

PySC2是DeepMind開發的星際爭霸Ⅱ學習環境（SC2LE）的Python元件。 它封裝Blizzard Entertainment的星際爭霸Ⅱ機器學習API，提供Python 增強學習環境。

為深度學習環境安裝開源深度學習框架Tensorflow（Ubuntu16.04+CUDA+cuDNN+Anaconda+Tensorflow）

前一篇文章《Ubuntu16.04+GTX1050+CUDA8.0配置深度學習環境》 已經介紹瞭如何配置深度學習環境，本文介紹下如何配置深度學習框架Tensorflow。TensorFlow是谷歌基於D

Ubuntu16.04LTS下搭建強化學習環境gym

1.安裝Anaconda 去清華映象下載anaconda3_4.3.0-linux-x86_64.sh，然後在終端中輸入以下命令進行安裝： cd downloads bash anaconda3_4.3.0-linux-x86_64.sh 2.建立虛擬環境

使用gym模擬強化學習環境

Classic control CartPole 環境描述：運載體無摩擦地支撐杆子。 動作：2個動作：施加-1和+1分別對應向左向右推動運載體 狀態：4個，x：位置;x_dot：移動速度

強化學習環境gym配置

OpenAI Gym是OpenAI出的研究強化學習演算法的toolkit，它裡邊cover的場景非常多，從經典的Cart-Pole, Mountain-Car到Atar，Go，MuJoCo都有。官方網站為https://gym.openai.com/，原始碼位於https

Ubuntu16.04LTS下搭建強化學習環境gym、tensorflow

1.安裝Anaconda。去清華映象下載anaconda3_4.3.0-linux-x86_64.sh，然後在終端中輸入以下命令進行安裝：cd downloads bash anaconda3_4.3.0-linux-x86_64.sh2.建立虛擬環境。//gymlab是自己

深度學習（1）LINUX下深度學習環境安裝

LINUX下深度學習環境配置 環境：Ubuntu 16.0，python 2.7.9 1.首先安裝好LUNUX 2.撥出命令列CTRL+ALT+T 3.檢測是否安裝python，一般LINUX預設安裝

ARM64+ubuntu18.04深度學習環境安裝小結

概述 本人斷斷續續花費了兩週時間，在某國產ARM64+linux環境的伺服器上，使用docker容器安裝成功了公司深度學習專案所需的環境。中間過程坎坷，在此結文以記，希望能對他人有所幫助，少踩坑。 目前成功搭建的環境如下：aarch64 docker容器，u

OpenAI Gym構建自定義強化學習環境

OpenAI Gym是開發和比較強化學習演算法的工具包。 OpenAI Gym由兩部分組成： gym開源庫：測試問題的集合。當你測試強化學習的時候，測試問題就是環境，比如機器人玩遊戲，環境的集合就是遊戲的畫面。這些環境有一個公共的介面，允許使用者設計通用的

強化學習 平臺 openAI 的 gym 安裝 （Ubuntu環境下如何安裝Python的gym模組）

openAI 公司給出了一個整合較多環境的強化學習平臺  gym , 本篇部落格主要是講它怎麼安裝。   openAI公司的主頁： https://www.openai.com/systems/   從主頁上我們可以看到openAI 公司其實給出了多個強化學習的平臺

Win10環境下使用WSL安裝OpenAI/gym +TensorFlow用強化學習DQN打磚塊(Breakout Game)

實現目標 我們的目標是在Windows 10系統上具體實現DeepMind論文中強化學習演算法Q-learning Network(DQN)的訓練過程。 隨著每次訓練，強化學習演算法將拿到越來越高的分，具體強化學習與DQN的前置知識可以參考這裡 注意：

tp5.0 學習（一）：虛擬環境安裝

安裝php admin cat code logs exe erro ron log 一、文件目錄： application: 應用目錄，開發文件存放地 extend:擴展 public:入口文件 thinkphp：核心代碼 vendor：第三方類庫 二、域名Apache配