相关资料：
DeepMind Lab的一些python例子—————（Ubuntu22.04系统安装DeepMind Lab）后续
===================================================
2022年10月7日更新
虽然使用自编译的python环境可以成功安装并运行deepmind lab，但是后期要安装TensorFlow-Gpu等组件，却异常的困难，为彻底解决anaconda下不能安装并运行deepmind lab的问题，给出具体方法：
Ubuntu系统anaconda报错version `GLIBCXX_3.4.30' not found
通过上面的对stdc++库的修正成功在anaconda环境下安装并运行deepmind lab，因此实现了在anaconda创建的python环境下成功安装deepmind_lab和TensorFlow-gpu等组件。
===================================================
2022年10月6日更新
根据尝试，发现只要把系统的依赖软件安装好，即使是使用anaconda创建的python环境依然可以成功编译DeepMind Lab，并且安装python扩展库，而且anaconda创建的python环境从3.7版本到3.10版本均可以成功编译DeepMind Lab并安装python扩展库。
不过使用anaconda创建的python安装好Deepmind Lab扩展库后运行，报错：
这么看来，安装DeepMind Lab的python环境还是需要从python源码重新编译python（如下面的介绍的步骤），不过可以编译python3.10版本的。
测试代码：
import deepmind_lab import numpy as np # Create a new environment object. lab = deepmind_lab.Lab("demos/extra_entities", ['RGB_INTERLEAVED'], {'fps': '30', 'width': '80', 'height': '60'}) lab.reset(seed=1) # Execute 100 walk-forward steps and sum the returned rewards from each step. print(sum([lab.step(np.array([0,0,0,1,0,0,0], dtype=np.intc)) for i in range(0, 100)]))
========================================
说明：
DeepMind Lab的推出时间为2016年，而且已经多年没有维护更新了，但是使用这个仿真环境的Reinforcement Learning的研究还在继续，这就导致很多researcher需要继续使用，但是又没有很好的办法来安装这个仿真环境，毕竟谁也不太想为了安装这个仿真环境而去把自己的Ubuntu22.04系统换成Ubuntu14.04或者Ubuntu16.04系统，因此如何在Ubuntu22.04系统上安装DeepMind Lab这个仿真环境成了一个难题。本文就是接受如何在Ubuntu22.04系统上成功安装DeepMind Lab仿真环境。
================================================
1. CMAKE的安装：
https://www.cnblogs.com/devilmaycry812839668/p/14943981.html
2. bazel的安装：
https://www.cnblogs.com/devilmaycry812839668/p/16282270.html
安装好bazel后需要对.bazelrc文件进行配置，具体见：
bazel编译报错：absl/base/policy_checks.h:79:2: error: #error "C++ versions less than C++14 are not supported."
3. python3.7的源码安装：
https://www.cnblogs.com/devilmaycry812839668/p/16281134.html
需要注意的是与上面教程中不同，我们需要checkout的版本为3.7。（因为DeepMind Lab只支持python3.5，python3.6，python3.7，考虑尽可能高的python版本，因此选择python3.7）
具体的版本检出命令为：
git checkout 3.7
至于为什么不使用anaconda创建python环境呢，参见：
为python编译C++模块时一定要注意的事情—————不要在anaconda环境下使用cmake来编译C++扩展模块！！！
4. 安装python的依赖库
pip install numpy
pip install wheel
5. 安装系统环境依赖
sudo apt-get install libffi-dev gettext freeglut3-dev libsdl2-dev zip libosmesa6-dev
============================================
6. DeepMind Lab源码编译
下载源码：
git clone https://github.com/deepmind/lab
编译并运行例子：
cd lab
bazel run :python_random_agent --define graphics=sdl -- --length=10000 --width=640 --height=480
可以成功运行，证明依赖环境安装成功。
其他运行例子见：https://github.com/deepmind/lab
=================================================
7. DeepMind Lab的python的扩展库的编译和安装
（python扩展库的安装参考：https://github.com/deepmind/lab/blob/master/python/pip_package/README.md）
目标是最终在python中可以成功调用:
import deepmind_lab
需要注意，在之前配置python3.7环境时需要将pip默认路径设置为编译好的 python3.7/bin/pip3 。
安装依赖的python模块：
pip install dm-env
为python3版本编译可安装的wheel文件，具体操作：
编译：
bazel build -c opt --python_version=PY3 //python/pip_package:build_pip_package
打包编译好的文件为wheel格式：
./bazel-bin/python/pip_package/build_pip_package /tmp/dmlab_pkg
查看wheel文件是否成功导出：
安装编译好的wheel文件：
pip install /tmp/dmlab_pkg/deepmind_lab-1.0-py3-none-any.whl
查看deepmind_lab模块是否安装成功：
=============================================