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 StartedRust0138- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
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
MiniCPM-V-4.6这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模,实现了性能与效率的双重突破,在全球同尺寸模型中登顶,全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。Jinja00
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
MusicFreeDesktop插件化、定制化、无广告的免费音乐播放器TypeScript00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
726
4.66 K
Ascend Extension for PyTorch
Python
597
750
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
427
377
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++
992
986
Claude 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 Started
Rust
993
138
昇腾LLM分布式训练框架
Python
161
190
暂无简介
Dart
969
246
deepin linux kernel
C
29
16
Oohos_react_native
React Native鸿蒙化仓库
C++
345
393
🎉 (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
1.65 K
970