Skip to content

Latest commit

 

History

History
90 lines (73 loc) · 2.46 KB

README_conda_gym.md

File metadata and controls

90 lines (73 loc) · 2.46 KB

Ci-dessous:

  • pour Mac et Linux, les commandes sont à faire dans un terminal classique.
  • Pour Windows, il faut utiliser Anaconda prompt et pas un terminal de commande classique (taper "Anaconda Prompt" dans la barre de recherche Windows).
  1. Créer (et activer) un nouvel environnement, appelé tpdeeprl2023:
conda create --name tpdeeprl2023 python=3.11
conda activate tpdeeprl2023

A ce niveau, votre ligne de commande doit ressembler à : (tpdeeprl2023) <User>: .

(tpdeeprl2023) indique que l'environnement créé est actif, et vous pouvez maintenant installer des packages dans l'environnement.

  1. Installation de PyTorch et torchvision:
  • Sur Mac or Windows:
conda install pytorch==2.0.1  torchvision -c pytorch
conda install m2-base
  • Sur Linux :
conda install pytorch=2.0.1 -c pytorch 
pip install torchvision
  1. Git

Dans la suite il est supposé que git est installé sur votre machine. Si ce n'est pas le cas, vous pouvez utiliser condapour l'installer:

conda install git
  1. Cloner le dépôt créé via githubclassroom et aller dans le dossier du dépôt:
git clone https://github.com/X.git
cd X
  1. Installation des packages spécifiés dans le fichier requirements.txt.
pip install -r requirements.txt
  1. Installation de gymnasium
  • Sur Windows:
pip install swig

Ensuite aller sur https://visualstudio.microsoft.com/visual-cpp-build-tools/ -> cliquer sur" Télécharger Build tools", puis lancer l'installer installé. Lors du choix, sélectionner "Desktop Development with C++" Une fois installé:

pip install gymnasium[box2d]
  • Sur Linux:
pip install gymnasium
pip install gymnasium[box2d]
  • Sur Mac:
conda install -c conda-forge gymnasium
conda install swig
conda install -c conda-forge gym-box2d
  1. Vous pouvez maintenant lancer le notebook (Jupyter) pour faire votre TP:
jupyter-lab

et commencer à compléter le fichier TPDQN.ipynb.

Sources

  • si besoin, utiliser (google colab), version cloud de jupyter notebook qui permet d'accéder gratuitement à des ressources informatiques, dont des GPU (limité).
  • Un tutoriel sur les Jupyter notebook
  • Vous pouvez lister les environnements conda installés :
conda env list
  • Vous pouvez lister les packages installés dans l'environnement actif :
conda list