使用Stable Baselines3训练CartPole-v1时遇numpy.float32类型推断错误

问题重现代码 #

import gym
from stable_baselines3 import A2C

# 环境初始化
env = gym.make('CartPole-v1')

# 模型定义与训练
model = A2C('MlpPolicy', env, verbose=1)
model.learn(total_timesteps=10000)

报错信息：

RuntimeError: Could not infer dtype of numpy.float32

解决方案 #

• 升级核心依赖库
  该错误大多源于numpy、gym或stable-baselines3版本不兼容，执行命令升级相关包：

  pip install --upgrade numpy gym stable-baselines3
  

• 显式指定观测空间dtype
  若升级后问题仍存在，手动为环境观测空间设置明确的float32类型，确保与模型预期匹配：

  import gym
  import numpy as np
  from stable_baselines3 import A2C
  
  env = gym.make('CartPole-v1')
  env.observation_space.dtype = np.float32
  
  model = A2C('MlpPolicy', env, verbose=1)
  model.learn(total_timesteps=10000)
  

• 降级numpy至兼容版本
  部分情况下numpy 2.x版本与旧版stable-baselines3存在适配问题，可降级到1.x稳定版：

  pip install numpy==1.26.4
  

内容的提问来源于stack exchange，提问作者Meet Rajput