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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust013
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
518
629
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++
947
888
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
399
303
🎉 (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
1.57 K
909
暂无简介
Dart
922
228
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
昇腾LLM分布式训练框架
Python
144
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381