强化学习分布式经验回放框架（experience replay）reverb的安装

框架reverb的相关介绍：

https://www.cnblogs.com/devilmaycry812839668/p/16260799.html

==================================================

reverb框架为python语言环境下的，由于该框架需要和python和TensorFlow进行混合编译，因此需要用到python的libpython.so共享库，因此使用conda创建python环境就不是很好用了，这里的python环境采用从源码编译，具体参看：

https://www.cnblogs.com/devilmaycry812839668/p/16281134.html

这里采用python3.9的环境，并在 .bashrc 文件下配置python环境的变量：

export PATH=/home/devil/python3.9/bin:$PATH
export LD_LIBRARY_PATH=/home/devil/python3.9/lib:$LD_LIBRARY_PATH

安装TensorFlow，经过测试reverb暂时不支持TensorFlow=2.9.0版本，因此这里使用TensorFlow-2.8.0版本：

pip install tensorflow==2.8.0

安装reverb：

pip install dm-reverb

 测试代码：

import reverb

server = reverb.Server(tables=[
    reverb.Table(
        name='my_table',
        sampler=reverb.selectors.Uniform(),
        remover=reverb.selectors.Fifo(),
        max_size=100,
        rate_limiter=reverb.rate_limiters.MinSize(1)),
    ],
)

client = reverb.Client(f'localhost:{server.port}')
print(client.server_info())
# Creates a single item and data element [0, 1].
client.insert([0, 1], priorities={'my_table': 1.0})

# Appends three data elements and inserts a single item which references all
# of them as {'a': [2, 3, 4], 'b': [12, 13, 14]}.
with client.trajectory_writer(num_keep_alive_refs=3) as writer:
  writer.append({'a': 2, 'b': 12})
  writer.append({'a': 3, 'b': 13})
  writer.append({'a': 4, 'b': 14})

  # Create an item referencing all the data.
  writer.create_item(
      table='my_table',
      priority=1.0,
      trajectory={
          'a': writer.history['a'][:],
          'b': writer.history['b'][:],
      })

  # Block until the item has been inserted and confirmed by the server.
  writer.flush()

print('...........')
# client.sample() returns a generator.
print(list(client.sample('my_table', num_samples=2)))

成功运行：

安装诀窍：

安装reverb第一点就是要注意python环境一定要有动态链接库.so文件并且路径中可以搜索到，使用conda的python环境一般都是静态库.a文件，因此这里我们使用的是源码编译python环境；

第二点就是TensorFlow的版本，因为我们pip方式安装的reverb都是编译好的而不是像其他库如numpy那种会下载后重新编译的，因此就需要安装与之对应的TensorFlow版本（官方编译reverb时候的TensorFlow版本），而这个信息我们往往是获得不到的，一个好的解决方法就是安装最新版的reverb然后从最新版的TensorFlow开始试，这里我们最新的TensorFlow版本是2.9.0，发现版本不匹配后直接换为2.8.0版本的TensorFlow就成功匹配最新版的reverb了。

============================================

如果安装的是TensorFlow-2.9.0，那么安装reverb后运行则会报错：

这个错误大致意思就是说reverb编译时的TensorFlow和现在安装环境下的TensorFlow版本不同，这里安装的最新版本dm_reverb-0.7.3.dist-info，不支持TensorFlow-2.9.0但支持TensorFlow-2.8.0 。

================================================