gym1——自定义Gym环境并注册

• gym1——自定义Gym环境并注册
  • 感谢
• 开始
  • Step 0 新建文件夹
  • Step1：新建环境文件 xxEnv.py
  • Step2： 在env下的_ _ init _ _ .py下注册
  • **Step3 ** 添加新建环境文件夹的引用
  • Step4：在算法中进行调用

感谢

强化学习实战 第一讲 gym学习及二次开发 - 知乎 (zhihu.com)

开始

Step 0 新建文件夹

Gym的环境都保存在gym/envs目录下，envs目录下包含了各种类型的环境例如：atari、classic_control等，我们可以在这下目录自己创建一个环境，注意自己创建的环境要有

__init__.py

文件。这里下面的示例是没有自己新建，而是添加到了classic_control目录下。这样比较容易，但如果自己想要新建一个属于自己的，最好还是新建一个文件夹，然后在这个文件夹下面添加init文件，当添加init文件之后在pycharm中，文件夹显示为namespace，也就是带圈的图标。

Step1：新建环境文件 xxEnv.py

在envs/classic_control目录下，建立环境文件aceEnv.py

aceEnv.py中应定义一个环境类一般以XxxEnv为名称，本文建立类名称为AceEnv，

按照gym的工作原理，此类中应至少包含reset()、step()、init()、seed()、close()函数，

其中，step函数必须返回obs, reward, done, info四个变量，

reset返回初始化的状态。（注：此部分的函数定义格式可以参考classic_control内的其他函数，着重是要按照需求更改step和reset函数）。

另外需要对环境的主要变量维数进行定义，方便外部强化学习算法直接调用生成模型网络，例如控制量维度action_space、状态量维度observation_space等。

Step2： 在env下的_ _ init _ _ .py下注册

在envs目录下，包含一个初始化函数_ _ init _ _ .py，当访问envs类时，会通过这个初始化函数自动注册各环境，因此需要在__init__环境中注册我们定义的环境，给出其调用名“ID”以及此“ID”对应的类。

在envs/init.py内的#Classic分类下，插入注册语句：

register(

  id='Ace-v0', %%此部分为环境调用的ID，可自由设定，与算法中调用一致即可。
  entry_point='gym.envs.classic_control:AceEnv',   %%此部分为环境的类，注意：AceEnv是aceEnv.py中定义的类，并不是文件名。

)

**Step3 ** 添加新建环境文件夹的引用

在envs/classic_control/init.py内，加入引用ace环境的语句**

from gym.envs.classic_control.ace import AceEnv

Step4：在算法中进行调用

env = gym.make('Ace-v0')