gym==0.26.0中如何仅在第N个episode以human模式调用env.render()？

针对gym新版本要求创建环境时指定render_mode的限制，有两种简洁的实现方式：

方法一：固定使用"human"模式，控制渲染调用时机 #

创建环境时直接指定render_mode="human"，但仅在每N个episode的训练循环中调用env.render()，其他episode不触发渲染操作。这种方式无需反复创建/销毁环境，效率最高。

示例代码：

import gym

# 初始化环境，指定human渲染模式
env = gym.make("CartPole-v1", render_mode="human")

N = 5  # 每5个episode渲染一次
total_episodes = 100

for episode in range(total_episodes):
    state, _ = env.reset()
    done = False
    total_reward = 0

    while not done:
        # 仅当当前episode是N的倍数时执行渲染
        if episode % N == 0:
            env.render()
        
        # 替换为你的神经网络动作选择逻辑
        action = env.action_space.sample()
        next_state, reward, terminated, truncated, info = env.step(action)
        done = terminated or truncated
        total_reward += reward

        # 这里添加你的神经网络训练更新代码
    
    print(f"Episode {episode+1}, Total Reward: {total_reward}")

env.close()

方法二：按需切换环境的渲染模式 #

如果担心长期持有"human"模式环境占用资源，可以在需要渲染的episode前创建带render_mode="human"的环境，其他episode使用默认无渲染的环境。

示例代码：

import gym

N = 5
total_episodes = 100

for episode in range(total_episodes):
    # 根据当前episode是否为N的倍数，选择环境的渲染模式
    if episode % N == 0:
        env = gym.make("CartPole-v1", render_mode="human")
    else:
        env = gym.make("CartPole-v1")  # 默认无渲染模式

    state, _ = env.reset()
    done = False
    total_reward = 0

    while not done:
        if episode % N == 0:
            env.render()
        
        action = env.action_space.sample()
        next_state, reward, terminated, truncated, info = env.step(action)
        done = terminated or truncated
        total_reward += reward
    
    print(f"Episode {episode+1}, Total Reward: {total_reward}")
    env.close()

关键说明 #

• gym指定render_mode="human"后，只有主动调用env.render()才会触发窗口渲染，不调用则不会产生渲染开销，完全不影响非渲染episode的训练速度。
• 两种方法都能满足"每N个episode查看图像进度、其余episode快速训练"的需求，优先推荐方法一。

内容的提问来源于stack exchange，提问作者brownie