Repo oficial de la materia optativa Aprendizaje por Refuerzos de la Diplomatura en Ciencias de Datos, Aprendizaje Automático y sus Aplicaciones.
Pasos para instalar los paquetes requeridos como un nuevo entorno de Conda:
Descargar Anaconda desde https://www.anaconda.com/download/, e instalarlo tras la descarga. Tras ello, ejecutamos los siguientes comandos desde consola:
-
Creamos el entorno local:
conda create --name diplodatos_rl python=3.9 conda activate diplodatos_rl -
Añadimos el entorno a jupyter (fuente: https://stackoverflow.com/questions/53004311/how-to-add-conda-environment-to-jupyter-lab#53546634)
conda install ipykernel ipython kernel install --user --name=diplodatos_rl conda deactivate conda activate diplodatos_rl -
Instalamos librerías de aprendizaje por refuerzos profundo (excepto gym y ffmpeg, el resto son para los algoritmos de deep RL que veremos el segundo fin de semana)
Nota: en Windows no es posible usar PyType, por lo que debe usarse el subsistema de Linux para Windows, por ejemplo instalando Ubuntu)
pip install gym pyglet stable-baselines3[extra]
git clone --recursive --depth 1 https://github.com/DLR-RM/rl-baselines3-zoo
cd rl-baselines3-zoo/
conda install swig
apt-get install cmake ffmpeg (en Mac, reemplazar apt-get por brew)
pip install -r requirements.txt
Para crear el entorno virtual desde Nabu, los primeros comandos son:
wget https://repo.anaconda.com/archive/Anaconda3-2021.04-Linux-x86_64.sh
chmod 755 Anaconda3-2020.11-Linux-x86_64.sh
./Anaconda3-2020.11-Linux-x86_64.sh
conda create --name diplodatos_rl
conda activate diplodatos_rl
conda config --add channels conda-forge
Los notebooks están preparados para ejecutarse tanto desde localhost, como desde Google Colab y Nabu. En general, las simulaciones de estos notebooks se pueden ejecutar sin problemas desde localhost, ya que no demandan demasiados recursos computacionales (excepto si se ejecutan entrenamientos completos en entornos muy complejos, como en los de Atari). Algunas características sólo están disponibles en localhost, como las animaciones de los agentes en los entornos.