lab2d

DeepMind 實驗室 2D

用 C++ 和 Lua 編寫的用於創建網格世界的學習環境。

關於

DeepMind Lab2D是一個用於創建機器學習 2D 環境的系統。該系統的主要目標是易用性和性能：環境是“網格世界”，它是透過簡單的基於文字的地圖的世界佈局和其行為的 Lua 程式碼的組合來定義的。機器學習代理透過兩個 API 之一與這些環境互動：Python dm_env API 或自訂 C API（DeepMind Lab 也使用該 API）。支援多個代理。

如果您在研究中使用DeepMind Lab2D並希望引用它，我們建議您引用隨附的白皮書。

安裝

DeepMind Lab2d可在 PyPI 上使用，並且可以使用以下方式安裝：

pip install dmlab2d

dmlab2d作為 Linux 和 macOS 的預建置輪進行分發。如果沒有適合您的平台的輪子，您將需要從原始程式碼建立它。請參閱install.sh以取得可適應您的設定的範例安裝腳本。

入門

我們在python/random_agent中提供了一個範例「隨機」代理，它執行隨機操作。這可以用作創建您自己的代理的基礎，也可以用作預覽環境的簡單工具。

bazel run -c opt dmlab2d/random_agent -- --level_name=clean_up

外部相依性、先決條件和移植說明

DeepMind Lab2D依賴一些外部軟體庫，我們以幾種不同的方式提供這些庫：

• dm_env 、 eigen 、 luajit 、 lua5.1 、 lua5.2 、 luajit 、 png和zlib庫被引用為外部 Bazel 來源，並提供了 Bazel BUILD 檔案。依賴程式碼本身應該具有相當的可移植性，而我們發布的 BUILD 規則特定於 Linux x86 和 MacOS（x86 和 arm64）。要在不同的平台上構建，您很可能必須編輯這些 BUILD 檔案。

• //third_party/rl_api中包含「通用強化學習 API」。

• 需要幾個額外的庫，但不以任何形式提供；它們必須存在於您的系統上：

  • Python 3.8或更高版本，帶有NumPy 、 PyGame和packaging 。

建置規則使用一些特定於 GCC/Clang 的編譯器設定。如果您的編譯器無法識別某些標誌（通常是特定的警告抑制），您可能必須編輯這些標誌。

免責聲明

這不是 Google 官方產品。