最近师弟在做DQN的实验，由于是强化学习方面的东西，正好和我现在的研究方向一样于是我便帮忙跑了跑实验，于是就有了今天的这个内容。
首先在github上进行搜寻，如下图：
发现第一个星数最多，而且远高于其它的项目，于是拉取这个链接：
https://github.com/devsisters/DQN-tensorflow
本篇博客主要是讲解一下该代码运行环境的如何搭建，采用 conda 配置。
首先看下 README 上的内容， 主要是requirement最重要：
考虑到运行的兼容性，于是决定使用python2.7版本环境运行，下面开始 conda 的配置：
搜寻python2.7版本，并采用最小自版本号
conda search python=2.7
选择 python2.7.3版本， 为环境命名 dqn_2 :
conda create -n dqn_2 python=2.7.3
进入新建环境，并确认版本：
conda activate dqn_2
安装 numpy scipy
conda install numpy scipy
安装 tqdm (进度条模块)
pip install tqdm==4.30
安装 gym (oepnai 的 游戏环境交互模块)
可选安装：
pip install gym==0.1.0
必选安装：
pip install gym[Atari]==0.1.0
安装 gpu 计算环境 cudatookit 和 cudnn（由于需要安装深度学习框架 tensorflow-gpu , python27 0.12.1 版本。）
由于安装的tensorflow-gpu 0.12.1 所依赖的 环境，我们选择 cudatookit8.0 cudnn5.1
如下图：
conda install cudatoolkit=8.0=3
conda install cudnn=5.1.10=cuda8.0_0
安装深度学习框架 tensorflow-gpu , 选择python27 0.12.1 版本。
给出下载地址：
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.1-cp27-none-linux_x86_64.whl
pip install tensorflow_gpu-0.12.1-cp27-none-linux_x86_64.whl
为运行环境设置动态库地址， 目的是为了要 程序知道安装的cudatookit和cudnn的lib位置：
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/devil/anaconda3/envs/dqn_2/lib
其中， dqn_2 为conda 中所设置的运行环境名称。
运行：
python main.py --env_name=Breakout-v0 --is_train=True
配置成功， 并且可运行。
参考资料：