【笔记】强化学习,gym的命令行图形化界面适配

搞了一大堆还是搞不出来放弃了

最后用matplotlib画出来看

bash 复制代码
import gym
import matplotlib.pyplot as plt
from IPython import display
import numpy as np
%matplotlib inline

env = gym.make('CartPole-v1', render_mode="rgb_array")
observation = env.reset()
a = 0
for _ in range(100):
    img = env.render()
    if img is not None:
        if _ % 10 ==0: # 加速动画
            if isinstance(img, list):
                img = img[0]
            img = np.array(img)
            img = img.squeeze()
            plt.imshow(img)
            display.display(plt.gcf())
            display.clear_output(wait=True)
    
    action = env.action_space.sample()
    
    step_result = env.step(action)

env.close()

适配环境命令失败记录

下载的依赖

bash 复制代码
apt-get install libgl1-mesa-dri libgl1-mesa-glx libegl1-mesa libgles2-mesa libxrandr2 libxinerama1 libxcursor1 libegl-mesa0 
apt-get install xserver-xorg-video-nouveau
apt-get install mesa-utils mesa-utils-extra
apt-get install xserver-xorg
apt-get install locales
dpkg-reconfigure locales
# 选择 en_US.UTF-8 UTF-8
dpkg-reconfigure mesa-utils
apt-get install xvfb xorg xauth 
apt-get install python3-opengl

更改的文件

bash 复制代码
mkdir -p /usr/lib/dri
ln -s /usr/lib/x86_64-linux-gnu/dri/nouveau_dri.so /usr/lib/dri/nouveau_dri.so
mv /root/anaconda3/envs/agent/lib/libstdc++.so.6 /root/anaconda3/envs/agent/lib/libstdc++.so.6.backup
ln -s /usr/lib/x86_64-linux-gnu/libstdc++.so.6 /root/anaconda3/envs/agent/lib/

设置的环境变量

bash 复制代码
export LIBGL_ALWAYS_SOFTWARE=1
export LIBGL_ALWAYS_SOFTWARE=true
Xvfb :99 &
export DISPLAY=:0

有谁最后搞出来了求教

相关推荐
四谎真好看1 小时前
Java 黑马程序员学习笔记(进阶篇21)
java·开发语言·笔记·学习·学习笔记
立志成为大牛的小牛1 小时前
数据结构——三十三、Dijkstra算法(王道408)
数据结构·笔记·学习·考研·算法·图论
何故染尘優1 小时前
docker学习笔记,从入门开始!
笔记·学习·docker
少爷晚安。3 小时前
Java零基础学习完整笔记,基于Intellij IDEA开发工具,笔记持续更新中
java·笔记·学习
lkbhua莱克瓦244 小时前
Java基础——常用API2
java·笔记·github·学习方法
丰锋ff4 小时前
英一2016年真题学习笔记
笔记·学习
摇滚侠4 小时前
Spring Boot3零基础教程,Lambda 表达式与函数式接口,笔记95
java·spring boot·笔记
新子y4 小时前
【小白笔记】稀疏数组 (Sparse Array) 在计算机科学中的存储优化问题
笔记
摇滚侠4 小时前
Spring Boot3零基础教程,Lambda 表达式的使用,笔记96
spring boot·笔记
盼小辉丶5 小时前
Double DQN(DDQN)详解与实现
深度学习·keras·强化学习