安装虚拟机之后怎么配置虚拟环境、深度学习、深度强化学习环境安装
安装步骤目录
- 一、配置虚拟机
-
-
- VMware安装包&Ubuntu的光盘映像文件：
- VMware安装
- Ubuntu安装
-
- 二、进入虚拟机配置环境
-
- 深度（强化）学习环境的配置
-
- 1、得知系统所自带python版本：3.8.10
- 2、安装pip3、matplotlib、numpy、sklearn
-
- 清华镜像源
- 3、安装SimHei
- 4、安装Pytorch
- 5、安装强化学习所需要的库/模块 Gym、Box2D、pyglet、tensorboard
- 三、Anaconda 的安装，虚拟环境的配置
-
-
- 安装Anaconda并设置环境变量
- 1、虚拟环境的创建(Pycharm方法)
- 2、如何正确地安装我们所需要的库向我们的虚拟环境
-
一、配置虚拟机
VMware安装包&Ubuntu的光盘映像文件：
下载链接: 下载Ubuntu光盘映像文件&VMware安装包的网盘链接.
VMware安装
安装链接: VMware安装的CSDN链接.
Ubuntu安装
安装链接: Ubuntu 安装的CSDN链接.
增大字体的方法：Settings —> Universal Access —> Large Text
二、进入虚拟机配置环境
深度（强化）学习环境的配置
在此之前我们先了解一下Ubuntu的常用命令
copy：Ctrl+shift+C
paste：Ctrl+shift+V
回到上一步：Ctrl+Z
回到下一步：Ctrl+shift+Z
在终端停止程序的运行：Ctrl+C
ubuntu删除文件夹命令(假设文件名为test) :
sudo su # 开启root权限，期间会提示输入密码，输入之后开启权限
rm test.txt # 删除单个文件
rmdir test # 删除单个目录、文件夹
rm -r test # 删除非空文件夹及其目录下的所有文件夹及文件
ubuntu查看并安装gcc的命令 :
gcc -v # 查看当前gcc版本
sudo apt install gcc # 安装gcc，下一行是Ubuntu20.04版本对应的gcc版本
# gcc version 9.4.0 (Ubuntu 9.4.0-1ubuntu1~20.04.1)
1、得知系统所自带python版本：3.8.10
我们可以通过CTRL+ALT+T进入命令行。
输入python3 -V查看自己Ubuntu20.04内置的python版本。
如果需要其他版本可以自己再安装，但是注意在pycharm加入解释器的时候需要特别注意！我们本篇主要考虑系统自带的python。
2、安装pip3、matplotlib、numpy、sklearn
为了解决终端下载包的速度慢的问题。我们以下所有的包的安装均使用清华镜像源。
清华镜像源
pypi是Python Package Index 的首字母简写，其实表示的是Python的Package的索引，这个也是Python的官方索引。你需要的包(Package)基本上都可以从这里面找到。
sudo pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
接下来将some-package替换为我们想要安装的包即可。
- 安装pip3。
在命令行中输入：
sudo apt-get install python3-pip
查看当前pip的版本：
pip3 -V
- 安装matplotlib。
在命令行输入：
sudo apt-get install python3-matplotlib
此时，numpy也安装完毕
3. 安装sklearn库。
安装scikit-learn需要先安装许多的依赖包，scikit-learn它是一个开源的机器学习模块，它是建立在NumPy,Scipy和matplotlib模块上的，scikit-learn的特点是分类器、回归、聚类、向量机等。
在命令行输入：
sudo pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple sklearn
3、安装SimHei
因为我们的环境没有SimHei，所以画图的时候标签尽量用英文。否则就需要安装SimHei。
4、安装Pytorch
虚拟机的显卡是虚拟的，不能使用CUDA。
虚拟机上装Nvidia显卡驱动会导致其他驱动全都不能用，所以不能在虚拟机上装N卡驱动，即无法使用GPU。所以我们安装CPU版本的Pytorch。
在命令行窗口输入：
pip3 install torch==1.10.1+cpu torchvision==0.11.2+cpu torchaudio==0.10.1+cpu -f https://download.pytorch.org/whl/cpu/torch_stable.html
或者使用清华源
sudo pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple torch torchvision torchaudio
之后，验证pytorch是否已经安装成功。
依次输入：
python3
import torch
print（torch.__version__）
至此，Pytorch安装完毕。
5、安装强化学习所需要的库/模块 Gym、Box2D、pyglet、tensorboard
分别在我们的base环境或虚拟环境中输入：
sudo pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple gym==0.21.0
sudo pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple box2D
sudo pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple pyglet
三、Anaconda 的安装，虚拟环境的配置
关于Anaconda的安装，有位博主的博客非常详细，可以参考：
传送门: 使用anaconda创建虚拟环境，并用pycharm使用该环境.
安装Anaconda并设置环境变量
首先下载Anaconda的安装包（点击链接直接下载）：
Anaconda3.5.1
在安装包目录下，进入命令行，然后按照下面行进行操作
bash Anaconda3-5.3.1-Linux-x86_64.sh # 运行安装包
# 按下回车键，进入注册信息页面，一直回车直到让你选择yes/no
# 然后进入提示面。默认安装在用户目录下，直接回车即可安装；
# 若想自定义安装目录，直接输入安装目录，回车即可。
# Do you wish the installer to initialize Anaconda3 by running conda init ? yes
# 选择yes则自动配置环境变量。
conda -V # 安装完成后，查看conda版本
conda list # 在当前的虚拟环境中查看安装了哪些包
conda env list # 查看虚拟环境列表
conda create -n env_name python=3.8.10 # 创建虚拟环境并指定python版本，其中ns3_1为虚拟环境名称。
conda remove -n env_name --all # 删除名称为env_name的虚拟环境
conda activate env_name # 激活名为env_name的虚拟环境
conda deactivate # 关闭当前虚拟环境
1、虚拟环境的创建(Pycharm方法)
为了方便创建新环境，而且容易个性化设计，我们在Pycharm中进行虚拟环境的创建！
- 我们通过设置（setting）
- 选择python interpreter（解释器）。
- 选择使用Anaconda创建新环境（新的解释器）。我们在这一步可以选择python版本、虚拟环境路径等等。
- 点击OK，环境创建完成。我们可以在对应路径中查看。
2、如何正确地安装我们所需要的库向我们的虚拟环境
我发现，即便是设置了清华源安装，conda install仍旧网速及其慢而且在下载Pytorch的时候出错。所以我们使用pip进行库的安装。
然而，我们直接使用前面提到的pip install命令来安装各种库，会直接安装在pip所在的目录中，我们可以使用pip -V来查询它所在的位置。
我的pip所在目录如下：
/usr/local/lib/python3.8/dist-packages
于是我们需要设置将pip install安装在我们的虚拟环境目录中！
首先进入虚拟环境：
conda activate dl_rl # 激活环境（我们的虚拟环境名称为dl_rl）
conda deactivate dl_rl # 退出虚拟环境
/home/用户名/anaconda3/envs/虚拟环境名称/bin/pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 你想要安装的包。例如：
/home/wqf/anaconda3/envs/dl_rl/bin/pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch torchvison torchaudio
/home/wqf/anaconda3/envs/dl_rl/bin/pip install -i https://pypi.tuna.tsinghua.edu.cn/simple gym==0.21.0
/home/wqf/anaconda3/envs/dl_rl/bin/pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib
/home/wqf/anaconda3/envs/dl_rl/bin/pip install -i https://pypi.tuna.tsinghua.edu.cn/simple sklearn
/home/wqf/anaconda3/envs/dl_rl/bin/pip install -i https://pypi.tuna.tsinghua.edu.cn/simple box2D
/home/wqf/anaconda3/envs/dl_rl/bin/pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyglet
/home/wqf/anaconda3/envs/dl_rl/bin/pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorboard
# 然而我们在使用gym.make('Breakout-v0')的时候，出现了gym.error.UnregisteredEnv的问题。
# 这说明gym并没有完全装好。
/home/wqf/anaconda3/envs/dl_rl/bin/pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ale-py
/home/wqf/anaconda3/envs/dl_rl/bin/pip install -i https://pypi.tuna.tsinghua.edu.cn/simple gym[accept-rom-license]
# 则问题解决。
希望这篇文章可以有些帮助！