The Arcade Learning Environment 使用与技术文档
2024-12-28 16:30:16作者:魏献源Searcher
1. 安装指南
Python 安装
首先,确保您的系统中安装了最新版本的 pip。然后,通过以下命令安装 ale-py 包:
pip install ale-py
Gymnasium 安装
为了与 Gymnasium 集成,可以使用以下命令安装必要的模块和 ROMs:
pip install "gymnasium[atari]"
C++ 安装
以下指令假设您已经安装了有效的 C++17 编译器和 vcpkg。
使用 CMake 作为首选工具,您可以直接在任何 CMake 项目中使用 ALE。要编译和安装 ALE,您可以运行以下命令:
mkdir build && cd build
cmake ../ -DCMAKE_BUILD_TYPE=Release
cmake --build . --target install
您可以使用可选标志 -DSDL_SUPPORT=ON/OFF 来切换 SDL 支持(默认关闭),-DBUILD_CPP_LIB=ON/OFF 来构建 ale-lib C++ 目标(默认开启),以及 -DBUILD_PYTHON_LIB=ON/OFF 来构建 pybind11 包装器(默认开启)。
最后,在您的 CMake 项目中,可以这样链接 ALE:
find_package(ale REQUIRED)
target_link_libraries(YourTarget ale::ale-lib)
2. 项目使用说明
Python 使用
在 Python 项目中导入 ALE,并提供直接接口与 Stella 交互:
from ale_py import ALEInterface, roms
ale = ALEInterface()
ale.loadROM(roms.get_rom_path("breakout"))
ale.reset_game()
reward = ale.act(0) # 执行空操作
screen_obs = ale.getScreenRGB()
Gymnasium 使用
在 Gymnasium 中使用 ALE,首先注册环境,然后创建环境实例:
import gymnasium as gym
import ale_py
gym.register_envs(ale_py) # 对 IDE 有帮助,但不是必须的
env = gym.make('ALE/Breakout-v5', render_mode="human") # 在训练时移除 render_mode
obs, info = env.reset()
episode_over = False
while not episode_over:
action = policy(obs) # 实现策略 - 使用 `env.action_space.sample()` 作为随机策略
obs, reward, terminated, truncated, info = env.step(action)
episode_over = terminated or truncated
env.close()
对于连续动作,可以简单修改 gym.make 调用:
env = gym.make('ALE/Breakout-v5', continuous=True, render_mode="human")
C++ 使用
在 C++ 项目中使用 ALE,您需要链接到 ale-lib:
#include <ale_interface.hpp>
ALEInterface ale;
ale.loadROM("path/to/rom");
// 更多操作...
3. 项目 API 使用文档
请参考项目官方文档和源代码仓库的 Wiki 部分,以获取详细的 API 使用文档。
4. 项目安装方式
安装方式已在“安装指南”部分详细描述。您可以选择 Python、Gymnasium 或 C++ 的方式来安装和使用 ALE。请根据您的具体需求选择合适的安装方法。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
574
3.85 K
Ascend Extension for PyTorch
Python
388
465
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
897
688
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
356
216
昇腾LLM分布式训练框架
Python
121
147
暂无简介
Dart
808
199
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.38 K
782