强化学习平台安装 Mujoco、mujoco-py、gym、baseline
2024-05-16 02:59:34
日萌社
人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）
Mujoco 安装1.MuJoCo是一个物理模拟器，可以用于机器人控制优化等研究。官网下载MuJoCo 2.0 对应平台的安装包：https://www.roboti.us/index.html 中的 mujoco200 linux安装包mkdir ~/.mujococp mujoco200_linux.zip ~/.mujococd ~/.mujocounzip mujoco200_linux.zip注意：必须把 ~/.mujoco/mujoco200_linux 修改为 ~/.mujoco/mujoco200，不论解压出来的文件名是什么都必须改为mujoco200，因为import mujoco_py的时候，会报错 You appear to be missing MuJoCo. We expected to find the file here: /home/用户名/.mujoco/mujoco200正是因为默认只从~/.mujoco/mujoco200这个路径找。2.注册通过邮件获取注册码License文件：https://www.roboti.us/license.html注意：MuJoCo 为收费的，30 days免费，下载免费30天的license，可以申请获取学生免费license，可以试用1年仅限教育邮箱，所以如果你有教育邮箱的话，就可以申请1年的试用期。1.Computer id填写框旁边点击下载对应平台的获取Computer id的程序此处下载的是linux平台的getid_linux可执行文件chmod 777 getid_linux ./getid_linux 2.提交注册信息后，收到邮件，下载附件：LICENSE.txt、mjkey.txt3.拷贝许可证：cp mjkey.txt ~/.mujococp mjkey.txt ~/.mujoco/mujoco200/bin4.添加环境变量vim ~/.bashrcexport LD_LIBRARY_PATH=~/.mujoco/mujoco200/bin${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}export MUJOCO_KEY_PATH=~/.mujoco${MUJOCO_KEY_PATH}使配置马上生效 source ~/.bashrc 5.测试是否安装成功：进入bin目录下 即可运行simulate 打开软件界面cd ~/.mujoco/mujoco200/bin./simulate ../model/humanoid.xmlmujoco200_linux 安装后运行 simulate 的图像
mujoco-py 安装 1.更新、安装依赖项（可选择是否更新、安装）sudo apt-get updatesudo apt-get upgradesudo DEBIAN_FRONTEND=noninteractive apt-get install -y curl git libgl1-mesa-dev libgl1-mesa-glx libglew-dev libosmesa6-dev python3-pip python3-numpy python3-scipy net-tools unzip vim wget xpra xserver-xorg-dev sudo apt-get install -y python-numpy python-dev cmake zlib1g-dev libjpeg-dev xvfb libav-tools xorg-dev python-opengl libboost-all-dev libsdl2-dev swig2.安装 mujoco-py1.下载mujoco-py源码包然后解压直接mujoco-py源码包：https://github.com/openai/mujoco-py或者 用git下载mujoco-py源码包：git clone https://github.com/openai/mujoco-py.gitsudo apt install git #安装 git2.安装依赖cd ~/mujoco-py 或者为 cd ~/mujoco-py-masterpip3 install -r requirements.txtpip3 install -r requirements.dev.txt3.安装方式一：pip3 install -U 'mujoco-py<2.1,>=2.0'报错：Could not build wheels for mujoco-py which use PEP 517 and cannot be installed directly解决：pip install --no-use-pep517 'mujoco-py<2.1,>=2.0'报错：No such file or directory: 'patchelf': 'patchelf'解决：sudo apt-get update -ysudo apt-get install -y patchelf4.安装方式二：cd ~/mujoco-py/vendor 或者为 cd ~/mujoco-py-master/vendor./Xdummy-entrypointcd ..注意：使用python、pip命令安装时，应注意你的python、pip命令对应的是python的什么版本，否则可能会默认使用python2，同时也要注意mujoco-py安装到是哪个版本的python环境，后面运行mujoco-py的库代码就必须该python版本的环境。sudo python3 setup.py install 报错：ImportError: No module named setuptools解决：sudo apt-get install python-setuptools5.测试是否安装成功例子1：import mujoco_pyimport osmj_path, _ = mujoco_py.utils.discover_mujoco()xml_path = os.path.join(mj_path, 'model', 'humanoid.xml')model = mujoco_py.load_model_from_path(xml_path)sim = mujoco_py.MjSim(model)print(sim.data.qpos)#[0. 0. 1.4 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.# 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. ]sim.step()print(sim.data.qpos)#[-1.12164337e-05 7.29847036e-22 1.39975300e+00 9.99999999e-01# 1.80085466e-21 4.45933954e-05 -2.70143345e-20 1.30126513e-19# -4.63561234e-05 -1.88020744e-20 -2.24492958e-06 4.79357124e-05# -6.38208396e-04 -1.61130312e-03 -1.37554006e-03 5.54173825e-05# -2.24492958e-06 4.79357124e-05 -6.38208396e-04 -1.61130312e-03# -1.37554006e-03 -5.54173825e-05 -5.73572648e-05 7.63833991e-05# -2.12765194e-05 5.73572648e-05 -7.63833991e-05 -2.12765194e-05]5.测试是否安装成功例子2：cd ~/mujoco-py/examples/python3 setting_state.py 测试是否安装mujoco-py的成功例子
mjpro150_linux 安装后运行 simulate 的图像
gym 安装1.sudo apt install git #安装 git2.git clone https://github.com/openai/gym.git #拉取源代码cd ~/gympip install -e '.[all]' # 安装 Gym1.报错：注意该gym版本要求安装的是mjpro150You appear to be missing MuJoCo. We expected to find the file here: /home/nagisa/.mujoco/mjpro150 2.解决：类似安装mujoco200 linux一样的步骤1.官网 https://www.roboti.us/index.html 下载 mjpro150 linux安装包mkdir ~/.mujococp mjpro150_linux.zip ~/.mujococd ~/.mujocounzip mjpro150_linux.zip2.拷贝许可证：cp mjkey.txt ~/.mujococp mjkey.txt ~/.mujoco/mjpro150/bin3.添加环境变量：vim ~/.bashrcexport LD_LIBRARY_PATH=~/.mujoco/mjpro150/bin${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}export MUJOCO_KEY_PATH=~/.mujoco${MUJOCO_KEY_PATH}使配置马上生效 source ~/.bashrc4.测试是否安装成功：cd ~/.mujoco/mjpro150/bin./simulate ../model/humanoid.xml3.测试是否安装成功例子1：import gymenv = gym.make("CartPole-v1") # 创建游戏环境observation = env.reset() # 游戏回到初始状态for _ in range(1000):env.render() # 显示当前时间戳的游戏画面action = env.action_space.sample() # 随机生成一个动作# 与环境交互，返回新的状态，奖励，是否结束标志，其他信息observation, reward, done, info = env.step(action)if done:#游戏回合结束，复位状态observation = env.reset()env.close()4.测试是否安装成功例子2：import gymenv = gym.make('Hero-ram-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测试是否安装成功gym的例子1
测试是否安装成功gym的例子2
baseline 安装OpenAI Baseline是一系列高质量的强化学习控制算法，需要python>=3.5，且需要OpenMPI和zlib，有些Baseline example是基于Mujoco 物理仿真环境的。1.baseline 安装git clone https://github.com/openai/baselines.gitcd ~/baselinespip install -e .2.在baseline 中对算法进行测试，需要安装pytestpip install pytest3.测试是否安装成功cd ~/baselines/baselines/her/experiment#play.py为调用训练好的参数进行执行python play.py policy_best.pkl (后面需要跟着训练好的参数文件)注意：还必须安装 Nvidia驱动、tensorflow-gpu、CUDA、cuDNNpip install tensorflow-gpuimport tensorflow as tfprint(tf.__version__)强化学习平台安装 Mujoco、mujoco-py、gym、baseline相关推荐
- Ubuntu下常用强化学习实验环境搭建(MuJoCo, OpenAI Gym, rllab, DeepMind Lab, TORCS, PySC2)
原文地址:http://blog.csdn.net/jinzhuojun/article/details/77144590 和其它的机器学习方向一样,强化学习(Reinforcement Learni ...
- openai的gym baseline spiningup 深度强化学习环境安装 手撸gym环境demo
按照spiningup我们学习DRL,链接 https://github.com/openai/gym https://github.com/openai/baselines 1. 安装anacond ...
- 清华本科生开发强化学习平台「天授」：千行代码实现，性能吊打国外成熟平台，刚刚开源...
贾浩楠 发自 凹非寺 量子位 报道 | 公众号 QbitAI 江山代有才人出,开源一波更比一波强. 就在最近,一个简洁.轻巧.快速的深度强化学习平台,完全基于Pytorch,在Github上开源. 如 ...
- 【强化学习】grid_mdp创建自己的gym环境
一.参考资料 强化学习实战 第一讲 gym学习及二次开发 [深入浅出强化学习原理入门]grid_mdp.py运行几个问题的解决方法] reinforcement-learning-code源代码 二. ...
- Facebook开源Horizon：首个用于大规模产品和服务的强化学习平台
Horizon是首个使用应用强化学习(RL)在大规模生产环境中优化系统的端到端开源平台. 这个版本中包含的工作流和算法是以开放框架为基础构建的--PyTorch 1.0.Caffe2和Spark--使 ...
- 清华大学人工智能研究院开源“天授”强化学习平台
深度强化学习(deep RL)近年来取得了令人瞩目的进步,在Atari游戏.围棋等领域战胜了人类.但是,在面对不确定环境.不完全信息的任务时仍然面临很大的挑战.如何求解非完全信息.不确定条件下的决策问 ...
- 【强化学习探索01】Win10 下gym安装
一.序言 ⾸先, gym 是 OpenAI 开发的通⽤强化学习算法测试平台, 背后有⼤神 Pieter Abbeel. Sergey Levine 等⼈率领的强⼤团队的⽀持.其次, 学会了gym的基本 ...
- 花最少的钱，训超6的机器人：谷歌大脑推出机器人强化学习平台，硬件代码全开源...
鱼羊 发自 凹非寺 量子位 报道 | 公众号 QbitAI 想要在现实世界的机器人身上探索强化学习(RL),并非易事. 首先,你得拥有类似这样的机器人平台: 而像这样的一只PR2,售价高达40万美元( ...
- classin安卓手机安装条件_Classin在线学习平台安装指引——从这里打开知识的大门与北京四中网校名师面对面交流学习！...
中华教育与北京四中网校名师联袂执教,从这里打开知识的大门与北京四中网校名师面对面交流学习! 中华教育 16年精磨教学 北京四中网校 国内教育排头兵 Classin 学习平台下载步骤 登录官网下载Cla ...
- 谷歌大脑推出机器人强化学习平台，硬件代码全开源，花最少的钱，训超6的机器人...
点击我爱计算机视觉标星,更快获取CVML新技术 鱼羊 发自 凹非寺 量子位 报道 | 公众号 QbitAI 想要在现实世界的机器人身上探索强化学习(RL),并非易事. 首先,你得拥有类似这样的机器人平 ...
最新文章
- Failed to load the native TensorFlow runtime.
- 面试题总结15 自己构建一个哈希表
- Scala 闭包详解
- oracle如何配置dns连接,图文详解添加DNS服务器的操作步骤
- python自定义colorbar_python可视化 matplotlib画图使用colorbar工具自定义颜色
- 成像数据更好的展示_为什么更多的数据并不总是更好
- AptanaStudio3+PHP程序远程调试的方法和步骤
- SecureCRT 连数据库，启动tomcat操作命令
- oc渲染器中文手册_C4D·OC高级渲染视频教程，带你玩转质感渲染
- checkbox未赋值时获取value是on_【漏洞分析】关于mysqlconnectorjava连接时的反序列化...
- 我的QQ斗地主史及斗地主经验
- 关于cocos2d引擎写的手游加速
- SAR—距离向脉冲压缩的一些理解
- 台式计算机有乱码如何解决,电脑乱码怎么办,开机乱码解决方法
- la是什么牌子_la bruket是什么牌子_哪个国家的_什么档次
- 塑料件设计-筋厚度与主体壁厚的关系
- js 比较啷个日期的大小
- 【Unity Shader学习】边缘泛光效果
- Android 听筒模式和扬声器模式切换的 实现
- 计算机属性中只有远程协助,使用Windows自带的远程协助功能解决电脑问题