معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Partially-observed visual reinforcement learning domain.

ویژگی	مقدار
سیستم عامل	-
نام فایل	cowherd-0.3.0
نام	cowherd
نسخه کتابخانه	0.3.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	-
ایمیل نویسنده	-
آدرس صفحه اصلی	http://github.com/danijar/cowherd
آدرس اینترنتی	https://pypi.org/project/cowherd/
مجوز	-

# CowHerd [![PyPI](https://img.shields.io/pypi/v/cowherd.svg)](https://pypi.python.org/pypi/cowherd/#history) CowHerd is a partially-observed reinforcement learning environment, where the player walks around an area and is rewarded for milking cows. The cows try to escape and the player can place fences to help capture them. The implementation of CowHerd is based on the [Crafter][crafter] environment. ![Cow Herd Video](https://github.com/danijar/cowherd/raw/main/media/video.gif) [crafter]: https://github.com/danijar/crafter ## Play Yourself You can play the game yourself with an interactive window and keyboard input. The mapping from keys to actions, health level, and inventory state are printed to the terminal. ```sh # Install with GUI pip3 install 'cowherd[gui]' # Start the game cowherd # Alternative way to start the game python3 -m cowherd.run_gui ``` The following optional command line flags are available: | Flag | Default | Description | | :--- | :-----: | :---------- | | `--window <width> <height>` | 800 800 | Window size in pixels, used as width and height. | | `--fps <integer>` | 5 | How many times to update the environment per second. | | `--record <filename>.mp4` | None | Record a video of the trajectory. | | `--num_cows` | 3 | The number of cows in the environment. | | `--view <width> <height>` | 7 7 | The layout size in cells; determines view distance. | | `--length <integer>` | None | Time limit for the episode. | | `--seed <integer>` | None | Determines world generation and creatures. | ## Training Agents Installation: `pip3 install -U cowherd` The environment follows the [OpenAI Gym][gym] interface: ```py import cowherd env = cowherd.Env(seed=0) obs = env.reset() assert obs.shape == (64, 64, 3) done = False while not done: action = env.action_space.sample() obs, reward, done, info = env.step(action) ``` [gym]: https://github.com/openai/gym ## Environment Details ### Reward A reward of +1 is given every time the player milks one of the cows. ### Termination Episodes terminate after 1000 steps. ### Observation Space Each observation is an RGB image that shows a local view of the world around the player, as well as the inventory state of the agent. ### Action Space The action space is categorical. Each action is an integer index representing one of the possible actions: | Integer | Name | Description | | :-----: | :--- | :---------- | | 0 | `noop` | Do nothing. | | 1 | `move_left` | Walk to the left. | | 2 | `move_right` | Walk to the right. | | 3 | `move_up` | Walk upwards. | | 4 | `move_down` | Walk downwards. | | 5 | `do` | Pick up a placed fence or milk a cow. | | 6 | `place_fence` | Place a fence in front of the player. | ## Questions Please [open an issue][issues] on Github. [issues]: https://github.com/danijar/cowherd/issues

نحوه نصب

نصب پکیج whl cowherd-0.3.0:

pip install cowherd-0.3.0.whl

نصب پکیج tar.gz cowherd-0.3.0:

pip install cowherd-0.3.0.tar.gz