让机器人智能体自己学会玩游戏，强化学习库gym很开放

这个人工智能界的强化学习工具包很open开放，因为它就是Open AI推出的。Open AI这个用于研发和比较强化学习算法的工具包叫Gym。既然是强化学习包，那么理所当然支持智能体（或者以机器人为核心）不断完善学习。据官网介绍，Gym可是支持训练智能体（agent）做任何事的，比如从行走到玩乒乓球、弹球或围棋之类的游戏，都可以。

由于是强化学习包，因此Gym提供了多种多样的虚拟环境，比如机器人控制，2D盒，经典控制，还有游戏界面和第三方环境，从简单到困难，覆盖多种不同类型的数据。机智客认为，我们可以根据自己的强化学习算法的需要，选择不同的环境。我们要使用的时候，比如在Ubuntu这样的Linux发行版系统下，可以用Python语言。

这个开源的强化学习包，还和其他的深度学习库或数值计算库兼容，比如TensorFlow。在GitHub已经开源，当然为了便于开发，官方主要支持python语言，也将其上传到了python官方的第三方仓库包里。我们可以从GitHub上clone，也可以直接用pip来安装使用。

很自然，我们要学习这款强化学习工具包，理所当然要创建虚拟环境了。鉴于以前我们已经尝试过多次不同的AI深度学习应用的demo了。虚拟环境准备工作已经做好了，就不介绍如何安装conda了。

需要说明的是python的版本号，看网上有的兄弟说这个需要python3.5版本以及以上，而最新的页面上，机智客看到GitHub官方上介绍是，支持Python 3.7, 3.8, 3.9 and 3.10。因此最好用python3.7以上版本比较合适。创建一个Gym的虚拟环境，用conda  create  --name gym37jzk  python=3.7命令创建一个叫gym37jzk的虚拟环境。创建后激活进入虚拟环境，就可以clone或者install Gym了。

安装成功Gym强化学习工具包后，就可以在终端或者代码编辑器里import gym来开展强化学习的学习了。由于gym内置了很多函数和环境，所以我们可以通过方法来完成一些简单的演示操作。比如创建一个小车倒立摆模型，比如env = gym.make(‘CartPole-v0’)。初始化刷新，这就可以玩了。更多有趣的函数和功能，我们可以学习其中的文档和API。