强化学习Openai Gym基础环境搭建

Gym提供了一些基础的强化学习环境，并且集成了许多有意思的环境，下面我们来一起看下如何在你的电脑上搭建Gym的开发环境吧。

Gym的Github地址。

1. ReadMe解读

Gym 是一个开源 Python 库，通过提供标准 API 在强化学习算法和环境之间进行通信，以及符合该 API 的标准环境集，用于开发和比较强化学习算法。自发布以来，Gym 的 API 已成为强化学习领域的标准。

Gym的官方文档地址：https://www.gymlibrary.ml/

起初，一直没找到这个文档，看到的是Gym官网上提供的简单的[一页文档](Gym (openai.com))。一直觉得Gym的文档给的太过简单，内容也很少，想开发自己的环境让人无从下手，后面才发现了上面的文档，和自己这段时间的学习基本吻合，也算是两相印证。

Gym更多的是提供的一个强化学习环境的一个标准，你只要实现Gym的几个关键接口，其余内容都是可以自由发挥的，你可以使用Pygame、pyglet等开发一个游戏用做环境，也可以简单的使用matplotlib来做环境图像的渲染。后面我会有文章单独介绍Gym的API。

Gym现在支持3.7，3.8，3.9，3.10版本的python，支持在Linux和Mac上安装；也支持Windows上安装Gym，但是并没有官方支持，Gym中的一些环境，如Mujoco，对于Windows的支持不如Linux和Mac，但是对于初学者，是足够使用了。并且在不同的系统上，安装步骤基本类似。

2. 环境搭建

python环境的管理，个人建议大家使用conda。conda不仅仅是用来安装python包的工具，其更重要的功能是环境管理的工具，我们可以通过conda创建python环境，每个环境之间是相互独立的，各个环境里可以使用不同版本的python，不同版本的开发包。conda的环境类似docker，而且有了conda后，你再也不用在一个电脑因为代码的原因来回切换python的版本，或者为某个项目升降某个包而影响了其他项目。

conda的安装本位不在多讲，大家可以参考这篇文章(Windows，linux可自行百度)。conda安装好后，一定记得配置国内的源，不然下载速度会受限。

python 安装好后，执行如下命令，创建一个python虚拟环境（名字大家可以自起），我使用的是3.7版本的Python，大家可自行选择自己需要的版本：

conda create --name Gym python=3.7

稍等片刻，conda就帮我们创建好了名字为Gym、python版本3.7的环境了，

conda info --envs
conda activate Gym

这两条命令是查看本机已经安装的python环境，另一个是当前终端激活虚拟环境Gym，也就是将当前终端使用的python切换到Gym，可以看大，最前面的符号，变为了（Gym）。

pip install gym
pip install pygame
pip install numpy

这样，Gym的基础环境就安装完成了，我们打开Pycharm（python的开发环境，建议使用Pycharm，页面简单，功能强大，如果有校园邮箱，可以通过教育优惠使用专业版，也可以使用社区办，也足够使用了），新建一个项目，创建一个python文件，将如下代码复制到文件中：

import gym
import time
env = gym.make("CartPole-v1")
observation, info = env.reset(seed=42, return_info=True)for _ in range(1000):# 显示图像env.render()action = env.action_space.sample()observation, reward, done, info = env.step(action)time.sleep(0.01)if done:observation, info = env.reset(return_info=True)
env.close()

想要执行上面代码，还需要在pycharm中将python环境设置为刚才我们创建的Gym，点击右下角，Add Interpreter，

然后选择Existing environment，记得勾选Make available to all project，这样以后其他项目就可以直接使用添加的interpreter了,

点击右方的三个点图标，到我们conda的安装目录下–>envs–>Gym目录下的python.exe（这个是windows下的目录，如果是linux，还需到进入bin目录，找到python可执行文件，带小问号图标）

点击ok，在点击ok即可，等pycharm切换好环境后，我们就可以执行上面的测试代码了，执行结果如下：

3. 总结

本文的内容到这里就结束了，Gym的基础环境搭建还是比较简单的。Gym把不同的模块进行了抽离，我们上面安装的知识Gym的基础环境，其他的如Atari、mojoco等环境，还需要用户单独安装。后面会有文章将如何安装Atari环境，并使用键盘玩Atari游戏。

如果本文能对你有所帮助，还请给点赞、收藏、关注博主，如果有什么错误，还请批评指正。