lyx997 / RLCourseHW

注意事项：

1. 代码运行时会关闭所有终端，所以不要在终端中运行程序（可以在PyCharm中运行），其他在运行的程序也要注意先关闭；
2. 程序环境依赖在environment.yaml中；
3. 在/CarND-test/src/train/train.py中编写你的强化学习程序，注意在其中的150、179等行修改你的文件存储位置；
4. 按照/CarND-test/README.md中的提示编译程序，理解/CarND-test/src/main.cpp的作用（可能需要作相应调整）；
5. 不同电脑，tensorflow-gpu、cuda、cudnn、keras的版本配置可能不同，请自行安装；
6. 测试仿真环境是否安装成功，可以运行decision-making-CarND/term3_sim_linux/term3_sim.x86_64和decision-making-CarND/CarND-test/src/test/path_planning；
7. 程序是利用C++与Python通过socket互传信息的方式，需要先开启Python监听，否则直接运行path_planning会显示connect error错误；
8. 样本程序所使用tensorflow、keras的版本、方式较老，如果配置有困难，可以自由选择网络搭建的方式（例如pytorch等），只要Python可以通过socket正常监听到数据即可。

环境配置步骤：

1. git clone https://github.com/DRL-CASIA/decision-making-CarND.git （有文件更新，建议重新克隆）
2. cd decision-making-CarND/term3_sim_linux
3. sudo chmod u+x term3_sim.x86_64
4. 确保cmake >= 3.5，make >= 4.1，gcc/g++ >= 5.4（一般都已安装，未安装参考decision-making-CarND/CarND-test/README.md）
5. 进入decision-making-CarND/CarND-test文件夹，运行install-ubuntu.sh安装依赖（bash install-ubuntu.sh）
6. 保持在decision-making-CarND/CarND-test文件夹，进行编译： mkdir build && cd build cmake .. && make 此时运行./path_planning显示connect error为正常现象
7. 安装anaconda3或miniconda3
8. 修改environment.yaml中最后一行至你的conda安装位置，运行conda env create -f environment.yaml建立虚拟环境
9. 编写decision-making-CarND/CarND-test/src/train/train.py文件并运行，注意事项如上