github上DQN代码的环境搭建，及运行（Human-Level Control through Deep Reinforcement Learning）conda配置

最近师弟在做DQN的实验，由于是强化学习方面的东西，正好和我现在的研究方向一样于是我便帮忙跑了跑实验，于是就有了今天的这个内容。

首先在github上进行搜寻，如下图：

发现第一个星数最多，而且远高于其它的项目，于是拉取这个链接：

https://github.com/devsisters/DQN-tensorflow

本篇博客主要是讲解一下该代码运行环境的如何搭建，采用  conda 配置。

首先看下  README  上的内容， 主要是requirement最重要：

考虑到运行的兼容性，于是决定使用python2.7版本环境运行，下面开始  conda  的配置：

搜寻python2.7版本，并采用最小自版本号

conda search python=2.7

选择  python2.7.3版本， 为环境命名 dqn_2  :

conda create -n dqn_2  python=2.7.3

进入新建环境，并确认版本：

conda activate dqn_2

安装    numpy  scipy

conda install numpy scipy

安装   tqdm   (进度条模块)

pip install tqdm==4.30

安装   gym     (oepnai 的  游戏环境交互模块)

可选安装：

pip install gym==0.1.0

必选安装：

pip install gym[Atari]==0.1.0

安装  gpu 计算环境    cudatookit    和     cudnn（由于需要安装深度学习框架   tensorflow-gpu ,  python27  0.12.1  版本。）

由于安装的tensorflow-gpu 0.12.1 所依赖的 环境，我们选择  cudatookit8.0   cudnn5.1

如下图：

conda install cudatoolkit=8.0=3

conda install cudnn=5.1.10=cuda8.0_0

安装深度学习框架   tensorflow-gpu ,  选择python27  0.12.1  版本。

给出下载地址：

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.1-cp27-none-linux_x86_64.whl

pip install tensorflow_gpu-0.12.1-cp27-none-linux_x86_64.whl

为运行环境设置动态库地址， 目的是为了要 程序知道安装的cudatookit和cudnn的lib位置：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/devil/anaconda3/envs/dqn_2/lib

其中，   dqn_2   为conda 中所设置的运行环境名称。

运行：

python main.py --env_name=Breakout-v0 --is_train=True

配置成功，  并且可运行。

参考资料：

https://blog.csdn.net/u011636567/article/details/77162217