【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
敲敲敲-敲代码3 小时前
【SQL实验】触发器
数据库·笔记·sql
Moonnnn.4 小时前
51单片机学习——动态数码管显示
笔记·嵌入式硬件·学习·51单片机
电棍2337 小时前
verilog笔记
笔记·fpga开发
让我安静会7 小时前
Obsidian·Copilot 插件配置(让AI根据Obsidian笔记内容进行对话)
人工智能·笔记·copilot
世事如云有卷舒8 小时前
FreeRTOS学习笔记
笔记·学习
羊小猪~~10 小时前
MYSQL学习笔记(九):MYSQL表的“增删改查”
数据库·笔记·后端·sql·学习·mysql·考研
yuanbenshidiaos11 小时前
【数据挖掘】数据仓库
数据仓库·笔记·数据挖掘
sealaugh3212 小时前
aws(学习笔记第二十九课) aws cloudfront hands on
笔记·学习·aws
FakeOccupational13 小时前
【计算社会学】 多智能体建模 ABM Agent Based Modeling 笔记
笔记
夏莉莉iy13 小时前
[MDM 2024]Spatial-Temporal Large Language Model for Traffic Prediction
人工智能·笔记·深度学习·机器学习·语言模型·自然语言处理·transformer