目錄

1.問題描述

2.問題分析

(1)env.step()的返回值問題

(2)ale-py包問題

3.問題解決

4.總結(jié)

---

1.問題描述

????????最近在學(xué)強(qiáng)化學(xué)習(xí)，用parl和gym實(shí)現(xiàn)Pong游戲的策略梯度-REINFORCE算法，主要的代碼參考paddle的parl的教程lesson4課程（具體鏈接：PARL/examples/tutorials/parl2_dygraph at develop · PaddlePaddle/PARL · GitHub）

但在寫代碼的過程中遇到了一個(gè)問題，在其他代碼沒有任何問題的情況下，運(yùn)行train.py

env.step()函數(shù)會(huì)出現(xiàn)：ValueError: too many values to unpack (expected 4)

2.問題分析

????????首先排除env.step(action)的傳入?yún)?shù)沒有問題，那問題只能出現(xiàn)在env.step(action)的執(zhí)行和返回的過程中（在分析問題的過程中，我參考這個(gè)博主的帖子：pytorch報(bào)錯(cuò)ValueError: too many values to unpack (expected 4)_阮阮小李的博客-CSDN博客）

(1)env.step()的返回值問題

????????我通過gym的官網(wǎng)文檔（Core - Gym Documentation），查看了env.step()的返回值定義。

????????并將train.py代碼中的這句話

obs, reward, done, _ = env.step(act)

????????修改為

obs, reward, done, _, _, _ = env.step(act)

????????結(jié)果是問題沒有解決！

(2)ale-py包問題

????????因?yàn)樵谶@之前，我之前學(xué)習(xí)的過程中也編寫好了其他算法和gym游戲的代碼，測(cè)試過多次是可以跑通的，在這個(gè)錯(cuò)誤出現(xiàn)后，我第一時(shí)間運(yùn)行了之前的代碼，出現(xiàn)了一模一樣的錯(cuò)誤，我突然想起來因?yàn)樵?strong>創(chuàng)建Pong游戲環(huán)境時(shí)，會(huì)提示Pong游戲被gym轉(zhuǎn)移到ale-py，所以pip install ale-py安裝了ale-py，所以問題就出現(xiàn)在ale-py這個(gè)功能包！

env = gym.make('Pong-v4')

3.問題解決

????????使用pip list命令檢查gym和ale-py的版本，我的ale-py版本是0.8.0（pip中可安裝的最新版本是0.8.0），而我的gym是0.22.0（此時(shí)pip可安裝的最新版本是0.26.2），我意識(shí)到是ale-py版本太高的問題，最后把a(bǔ)le-py的版本重裝為0.7.2，問題解決，并且提示我obs, reward, done, _, _, _ = env.step(act)這句話有問題，因?yàn)橹恍枰?個(gè)輸入?yún)?shù)，修改之后問題解決！

4.總結(jié)

總結(jié)來說就是ale-py的版本太高，不適配gym版本。

總結(jié)

以上是生活随笔為你收集整理的强化学习使用gym时出现错误:ValueError: too many values to unpack (expected 4)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。