Ubuntu22.04系统安装DeepMind Lab

相关资料：

DeepMind Lab的一些python例子—————（Ubuntu22.04系统安装DeepMind Lab）后续

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

2022年10月7日更新

虽然使用自编译的python环境可以成功安装并运行deepmind lab，但是后期要安装TensorFlow-Gpu等组件，却异常的困难，为彻底解决anaconda下不能安装并运行deepmind lab的问题，给出具体方法：

Ubuntu系统anaconda报错version `GLIBCXX_3.4.30' not found

通过上面的对stdc++库的修正成功在anaconda环境下安装并运行deepmind lab，因此实现了在anaconda创建的python环境下成功安装deepmind_lab和TensorFlow-gpu等组件。

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

2022年10月6日更新

根据尝试，发现只要把系统的依赖软件安装好，即使是使用anaconda创建的python环境依然可以成功编译DeepMind Lab，并且安装python扩展库，而且anaconda创建的python环境从3.7版本到3.10版本均可以成功编译DeepMind Lab并安装python扩展库。

不过使用anaconda创建的python安装好Deepmind Lab扩展库后运行，报错：

这么看来，安装DeepMind Lab的python环境还是需要从python源码重新编译python（如下面的介绍的步骤），不过可以编译python3.10版本的。

测试代码：

import deepmind_lab

import numpy as np

# Create a new environment object.

lab = deepmind_lab.Lab("demos/extra_entities", ['RGB_INTERLEAVED'],

                       {'fps': '30', 'width': '80', 'height': '60'})

lab.reset(seed=1)

# Execute 100 walk-forward steps and sum the returned rewards from each step.

print(sum([lab.step(np.array([0,0,0,1,0,0,0], dtype=np.intc)) for i in range(0, 100)]))

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

说明：

DeepMind Lab的推出时间为2016年，而且已经多年没有维护更新了，但是使用这个仿真环境的Reinforcement Learning的研究还在继续，这就导致很多researcher需要继续使用，但是又没有很好的办法来安装这个仿真环境，毕竟谁也不太想为了安装这个仿真环境而去把自己的Ubuntu22.04系统换成Ubuntu14.04或者Ubuntu16.04系统，因此如何在Ubuntu22.04系统上安装DeepMind Lab这个仿真环境成了一个难题。本文就是接受如何在Ubuntu22.04系统上成功安装DeepMind Lab仿真环境。

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

1. CMAKE的安装：

https://www.cnblogs.com/devilmaycry812839668/p/14943981.html

2. bazel的安装：

https://www.cnblogs.com/devilmaycry812839668/p/16282270.html

安装好bazel后需要对.bazelrc文件进行配置，具体见：

bazel编译报错：absl/base/policy_checks.h:79:2: error: #error "C++ versions less than C++14 are not supported."

3. python3.7的源码安装：

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

需要注意的是与上面教程中不同，我们需要checkout的版本为3.7。（因为DeepMind Lab只支持python3.5，python3.6，python3.7，考虑尽可能高的python版本，因此选择python3.7）

具体的版本检出命令为：

git checkout 3.7

至于为什么不使用anaconda创建python环境呢，参见：

为python编译C++模块时一定要注意的事情—————不要在anaconda环境下使用cmake来编译C++扩展模块！！！

4. 安装python的依赖库

pip install numpy

pip install wheel

5. 安装系统环境依赖

sudo apt-get install libffi-dev gettext freeglut3-dev libsdl2-dev zip libosmesa6-dev

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

6. DeepMind Lab源码编译

下载源码：

git clone https://github.com/deepmind/lab

编译并运行例子：

cd lab

bazel run :python_random_agent --define graphics=sdl -- --length=10000 --width=640 --height=480

可以成功运行，证明依赖环境安装成功。

其他运行例子见：https://github.com/deepmind/lab

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

7. DeepMind Lab的python的扩展库的编译和安装

（python扩展库的安装参考：https://github.com/deepmind/lab/blob/master/python/pip_package/README.md）

目标是最终在python中可以成功调用:

import deepmind_lab

需要注意，在之前配置python3.7环境时需要将pip默认路径设置为编译好的 python3.7/bin/pip3 。

安装依赖的python模块：

pip install dm-env

为python3版本编译可安装的wheel文件，具体操作：

编译：

bazel build -c opt --python_version=PY3 //python/pip_package:build_pip_package

打包编译好的文件为wheel格式：

./bazel-bin/python/pip_package/build_pip_package /tmp/dmlab_pkg

查看wheel文件是否成功导出：

安装编译好的wheel文件：

pip install /tmp/dmlab_pkg/deepmind_lab-1.0-py3-none-any.whl

查看deepmind_lab模块是否安装成功：

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