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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
766
5.01 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
863
1.96 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
689
1.35 K
Ascend Extension for PyTorch
Python
722
894
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
458
453
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
626
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
639
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
250