ubuntu20.04强化学习自定以gym环境并添加至注册
在/home/wang/anaconda3/envs/py37/lib/python3.7/site-packages/gym/envs/classic_control中上传自己的环境代码,文件目录为myenv,里面添加自己编写的环境代码。在/home/wang/anaconda3/envs/py37/lib/python3.7/site-packages/gym/envs中的__init__.p
-
在/home/wang/anaconda3/envs/py37/lib/python3.7/site-packages/gym/envs/classic_control中上传自己的环境代码,文件目录为myenv,里面添加自己编写的环境代码
-
在classic_control中的__init__.py文件添加代码,其中MyEnv为自己编写的代码类名称
from gym.envs.classic_control.myenv.myenv import MyEnv
-
在/home/wang/anaconda3/envs/py37/lib/python3.7/site-packages/gym/envs中的__init__.py注册自己的环境
register( id='MyEnv-v0', entry_point='gym.envs.classic_control:MyEnv', max_episode_steps=500, reward_threshold=195.0, )
注:
○ id: 环境的唯一标识符,例如’CartPole-v0’。
○ entry_point: 环境类的导入路径,例如’gym.envs.classic_control:CartPoleEnv’。
○ max_episode_steps: 每个回合的最大步数,超过则终止,可以不设置
○ reward_threshold: 达到该奖励值则认为解决了环境问题,可以不设置
○ kwargs: 其他传递给环境类的参数

魔乐社区(Modelers.cn) 是一个中立、公益的人工智能社区,提供人工智能工具、模型、数据的托管、展示与应用协同服务,为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作,由全产业链共同建设、共同运营、共同享有,推动国产AI生态繁荣发展。
更多推荐
所有评论(0)