# 一、 获取并处理环境图像

``````import gym
import math
import random
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from collections import namedtuple
from itertools import count
from PIL import Image
from IPython import display

import torch
import torch.nn as nn
import torch.optim as optim
import torch.nn.functional as F
import torchvision.transforms as T
``````

``````env = gym.make('CartPole-v0')
``````

``````env
``````

<TimeLimit<CartPoleEnv<CartPole-v0>>>

``````env._max_episode_steps
``````

200

``````env.unwrapped
``````

gym.envs.classic_control.cartpole.CartPoleEnv

``````env.state
``````

array([0.00884328, 0.04488215, 0.00412898, 0.0128024 ])

``````from gym.utils import seeding
np_random, seed = seeding.np_random(None)
np_random.uniform(low=-0.05, high=0.05, size=(4,))
``````

``````env.action_space.n
``````

2

env.step(0) ：小车向左
env.step(1) ：小车向右

``````env.reset()
for t in count():
env.render()
leftOrRight = random.randrange(env.action_space.n)
_, reward, done, _ = env.step(leftOrRight)
if done:
break
``````

``````world_width = env.x_threshold * 2
``````

400X600小车有效世界

``````scale = screen_width / world_width
``````

``````def get_cart_location(screen_width):
#世界的总长度
world_width = env.x_threshold * 2
#世界转屏幕系数 : world_unit * scale = screen_unit
scale = screen_width / world_width
#世界中点在屏幕中间，所以偏移屏幕一半
return int(env.state[0] * scale + screen_width / 2.0)
``````

1. env = gym.make() 每个env有自己的绘制窗口
2. 环境需要初始化env.reset()
3. env.render()会打开一个绘制窗口，绘制当前状态
4. 每次env.step()会更新状态
5. 用完以后需要调用env.close()关闭绘制窗口

render有一个参数，如果指定为 mode='rgb_array'时，不但弹窗渲染，还会返回当前窗口的像素值。整个开发过程，env自己的窗口都会一只存在，不用管它，每次render()它就会刷新，刷新完又“死”了。如果想随时关掉，可以用close()，下次render()会自动打开。

``````env.reset()
screen = env.render(mode='rgb_array')
screen.shape
``````

(400, 600, 3)

``````plt.title('init state')
plt.imshow(screen)
``````

``````def CutScreen(screen):
Scr2 = screen.transpose((2, 0, 1))
``````

``````    ScrCut = Scr2[:, int(screen_height*0.4):int(screen_height * 0.8)]
``````

``````    view_width = int(screen_width * 0.6)
half_view_width = view_width // 2
``````

``````    cart_location = get_cart_location(screen_width)

if cart_location < half_view_width:
#太靠左了，左边没有30%空间，则从最左侧截取  [:half_view_width)
slice_range = slice(view_width)

elif cart_location > (screen_width - half_view_width):
#太靠右了，同理 [-half_view_width:)
slice_range = slice(-view_width, None)

else:
#左右两侧都有空间，则截小车在中间 [-half_view_width: +half_view_width)
slice_range = slice(cart_location - half_view_width, cart_location + half_view_width)

#最后将图像X轴截了
ScrCut = ScrCut[:, :, slice_range]
return ScrCut
``````

C0 Y1 X2
Y1 X2 C0
``````CS = CutScreen(screen)
CS = CS.transpose((1, 2, 0))
plt.imshow(CS)
``````

``````resize = T.Compose([T.ToPILImage(),
T.Resize(40, interpolation=Image.CUBIC),
T.ToTensor()])
``````

``````device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
device
``````

device(type='cuda')

``````def get_screen():
screen = env.render(mode='rgb_array')
screen = CutScreen(screen)
``````

``````    screen = torch.from_numpy(np.float32(screen)/255)
``````

``````y = x.view('float32')
``````

ValueError: To change to a dtype of a different size, the array must be C-contiguous

``````screen.flags
``````

C_CONTIGUOUS : False
F_CONTIGUOUS : False
……

``````    screen = np.ascontiguousarray(screen, dtype=np.float32) / 255
screen = torch.from_numpy(screen)
``````

N表示batch数
C表示channel数
Y，X表示图片的高和宽。

``````    return resize(screen).unsqueeze(0).to(device)
``````

unsqueeze()的作用是在n维之前增加一个维度，这里是在0维之前增加一个维度，增加前 screen尺寸是

torch.Size([3, 40, 90])

torch.Size([1, 3, 40, 90])

``````scr = get_screen().cpu().squeeze(0).permute(1, 2, 0).numpy()

plt.figure()
plt.imshow(scr)
plt.title('Example extracted screen')
plt.show()
``````

40 X 90

OK。图像处理完了，接下来要定义网络，训练网络了。

• 序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 143,540评论 1 302
• 序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 61,539评论 1 258
• 文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 95,005评论 0 213
• 文/不坏的土叔 我叫张陵，是天一观的道长。 经常有香客问我，道长，这世上最难降的妖魔是什么？ 我笑而不...
开封第一讲书人阅读 41,159评论 0 180
• 正文 为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 48,946评论 1 258
• 文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 38,864评论 1 178
• 那天，我揣着相机与录音，去河边找鬼。 笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。 我是一名探鬼主播，决...
沈念sama阅读 30,468评论 2 273
• 文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 29,218评论 0 167
• 想象着我的养父在大火中拼命挣扎，窒息，最后皮肤化为焦炭。我心中就已经是抑制不住地欢快，这就叫做以其人之道，还治其人...
爱写小说的胖达阅读 29,070评论 6 234
• 序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 32,574评论 0 213
• 正文 独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
茶点故事阅读 29,353评论 2 215
• 正文 我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 30,683评论 1 232
• 白月光回国，霸总把我这个替身辞退。还一脸阴沉的警告我。[不要出现在思思面前， 不然我有一百种方法让你生不如死。]我...
爱写小说的胖达阅读 24,270评论 0 32
• 序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 27,168评论 2 214
• 正文 年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 31,591评论 3 210
• 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 25,638评论 0 9
• 文/苍兰香墨 我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。 一阵脚步声响...
开封第一讲书人阅读 26,035评论 0 166
• 我被黑心中介骗来泰国打工， 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。 一个月前我还...
沈念sama阅读 33,590评论 2 232
• 正文 我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 33,685评论 2 233