Lingkungan pembelajaran yang ditulis dalam C++ dan Lua untuk pembuatan dunia grid.
DeepMind Lab2D adalah sistem untuk pembuatan lingkungan 2D untuk pembelajaran mesin. Sasaran utama dari sistem ini adalah kemudahan penggunaan dan kinerja: Lingkungannya adalah "dunia grid", yang didefinisikan dengan kombinasi peta berbasis teks sederhana untuk tata letak dunia, dan kode Lua untuk perilakunya. Agen pembelajaran mesin berinteraksi dengan lingkungan ini melalui salah satu dari dua API, API Python dm_env
atau API C kustom (yang juga digunakan oleh DeepMind Lab). Beberapa agen didukung.
Jika Anda menggunakan DeepMind Lab2D dalam penelitian Anda dan ingin mengutipnya, kami sarankan Anda mengutip whitepaper yang menyertainya.
DeepMind Lab2d tersedia di PyPI dan dapat diinstal menggunakan:
pip install dmlab2d
dmlab2d
didistribusikan sebagai roda yang dibuat sebelumnya untuk Linux dan macOS. Jika tidak ada roda yang sesuai untuk platform Anda, Anda perlu membuatnya dari sumber. Lihat install.sh
untuk contoh skrip instalasi yang dapat disesuaikan dengan pengaturan Anda.
Kami memberikan contoh agen "acak" di python/random_agent
, yang melakukan tindakan acak. Ini dapat digunakan sebagai dasar untuk membuat agen Anda sendiri, dan sebagai alat sederhana untuk melihat pratinjau lingkungan.
bazel run -c opt dmlab2d/random_agent -- --level_name=clean_up
DeepMind Lab2D bergantung pada beberapa perpustakaan perangkat lunak eksternal, yang kami kirimkan dalam beberapa cara berbeda:
Pustaka dm_env
, eigen
, luajit
, lua5.1
, lua5.2
, luajit
, png
dan zlib
direferensikan sebagai sumber Bazel eksternal, dan file Bazel BUILD disediakan. Kode dependennya sendiri harus cukup portabel, dan aturan BUILD yang kami kirimkan khusus untuk Linux x86 dan MacOS (x86 dan arm64). Untuk membangun pada platform yang berbeda, kemungkinan besar Anda harus mengedit file BUILD tersebut.
"API pembelajaran penguatan umum" disertakan dalam //third_party/rl_api
.
Beberapa perpustakaan tambahan diperlukan tetapi tidak dikirimkan dalam bentuk apa pun; mereka harus ada di sistem Anda:
Python 3.8
atau lebih tinggi dengan NumPy
, PyGame
, dan packaging
.Aturan build menggunakan beberapa pengaturan compiler yang khusus untuk GCC/Clang. Jika beberapa tanda tidak dikenali oleh kompiler Anda (biasanya berupa peringatan khusus), Anda mungkin harus mengedit tanda tersebut.
Ini bukan produk resmi Google.