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

dm_control suite for OpenAI Gym env

ویژگی	مقدار
سیستم عامل	-
نام فایل	dm-control2gym-0.0.2
نام	dm-control2gym
نسخه کتابخانه	0.0.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Norio Kosaka
ایمیل نویسنده	kosakaboat@gmail.com
آدرس صفحه اصلی	https://github.com/Rowing0914/dm_control2gym
آدرس اینترنتی	https://pypi.org/project/dm-control2gym/
مجوز	-

## Introduction I simplified [martinseilair's](https://github.com/martinseilair/dm_control2gym) `dm_control2gym` as well as made it compatible with the latest `MuJoCo` library(e.g., 2.0.0). .... yeah,, I will upload the documents when I have time. ## Installation ```bash $ pip install dm_control2gym ``` ## Dependencies - Please check the `requirements.txt` or just `pip install -r requirements.txt` ## Usage - MDP tasks: `env` returns a state of a robot at each time-step `````python import itertools from dm_control2gym.util import make_dm2gym_env_state env = make_dm2gym_env_state(env_name="cheetah_run") state = env.reset() print("State shape: ", state.shape) total_reward = 0 for t in itertools.count(): action = env.action_space.sample() state, reward, done, _ = env.step(action) total_reward += reward if done: break env.close() print("Total Reward: {}".format(total_reward)) ````` - POMDP tasks: `env` returns a raw image observation at each time-step `````python import itertools from dm_control2gym.util import make_dm2gym_env_obs from dm_control2gym.recorder import Monitor env = make_dm2gym_env_obs(env_name="cheetah_run", num_repeat_action=1) env = Monitor(env=env, directory="./log", force=True) obs = env.reset() print("Obs shape: ", obs.shape) total_reward = 0 env.record_start() env.reset() for t in itertools.count(): action = env.action_space.sample() obs, reward, done, _ = env.step(action) total_reward += reward if done: break env.record_end() env.close() print("Total Reward: {}".format(total_reward)) ````` ## Videos <img src="assets/cartpole_balance.gif" width=30% height=30%> <img src="assets/cartpole_swingup.gif" width=30% height=30%> <img src="assets/cheetah_run.gif" width=30% height=30%> <img src="assets/cup_catch.gif" width=30% height=30%> <img src="assets/finger_spin.gif" width=30% height=30%> <img src="assets/reacher_easy.gif" width=30% height=30%> <img src="assets/walker_walk.gif" width=30% height=30%> ## For more details Please refer to [martinseilair's](https://github.com/martinseilair/dm_control2gym) `dm_control2gym`

نحوه نصب

نصب پکیج whl dm-control2gym-0.0.2:

pip install dm-control2gym-0.0.2.whl

نصب پکیج tar.gz dm-control2gym-0.0.2:

pip install dm-control2gym-0.0.2.tar.gz