安装 🛠

Pip

CPUGPU

# 0. 安装 Python3.8+ & Pip
# 1. 拉取代码仓库
git clone https://github.com/sdpkjc/abcdrl.git && cd abcdrl
# 2. 安装依赖
pip install -r requirements/requirements.txt
# 3. 运行 DQN 算法
python abcdrl/dqn.py

# 0. 安装 Conda & Nvidia Driver
# 1. 拉取代码仓库
git clone https://github.com/sdpkjc/abcdrl.git && cd abcdrl
# 2. 建立虚拟环境并激活
conda create -n abcdrl python=3.9 pip && conda activate abcdrl
# 3. 安装 cudatoolkit 和对应版本的 Pytorch
conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge
# 4. 安装依赖
pip install -r requirements/requirements.txt
# 5. 运行 DQN 算法
python abcdrl/dqn.py

Note

Pytorch 安装方法有多种可选，具体可参考视频 李沐：环境安装，BERT、GPT、T5 性能测试，和横向对比【100亿模型计划】-哔哩哔哩 。

cudatoolkit 的版本选择与 Nvidia Driver 版本相关，请参考视频教程和 Pytorch 官网安装页面。

Docker

CPUGPU

# 0. 安装 Docker
# 1. 拉取代码仓库
git clone https://github.com/sdpkjc/abcdrl.git && cd abcdrl
# 2. 构建 docker 镜像
docker build . -t abcdrl
# 3. 运行 DQN 算法
docker run --rm abcdrl python abcdrl/dqn.py

# 0. 安装 Docker & Nvidia Drive & NVIDIA Container Toolkit
# 1. 拉取代码仓库
git clone https://github.com/sdpkjc/abcdrl.git && cd abcdrl
# 2. 构建 docker 镜像
docker build . -t abcdrl
# 3. 运行 DQN 算法
docker run --rm --gpus all abcdrl python abcdrl/dqn.py

Note

Docker 容器参数和 NVIDIA Container Toolkit 详细安装过程可参考：Nvidia Docker

Warning

使用我们提供的 Dockerfile 构建镜像并使用 GPU 训练，Nvidia Driver 需支持 CUDA11.7；

使用 nvidia-smi 命令，查看右上角的 CUDA Version: xx.x 信息，大于等于 11.7 即可。