我知道 keras，阻止了其他一些用于 nn 的 Python 库，其中包括 RL。但是有没有一个库可以使可视化任务变得简单？在代理/环境的 3D 模型方面，查看模拟等...我可以在网上看到一些 RL 视频，这些视频展示了模拟的代理/环境，但他们要么从头开始制作视觉模型，要么使用了其他一些语言/技术...（或者他们很老）
【问题讨论】：
标签： python machine-learning visualization simulation reinforcement-learning
您可能对 3D 环境模拟/可视化的 OpenAI Gym 和 MuJoCo 感兴趣。
【讨论】：
一般来说，这就是 3D 可视化库 和 3D 科学可视化 库之间的区别，后者具有比先前更“高级”的可视化方法（直接调用散点图、表面等）。
由于您没有指定要绘制的实际示例，我只能提供被认为简单的可行库（考虑 Python 的 3D lib 世界）。
一个是VPython，它有very explicit syntax towards 3D primitives。 This 将是构建球体和盒子的有效代码：
from visual import *
ball = sphere(pos=(-5,0,0), radius=0.5, color=color.cyan)
wallR = box(pos=(6,0,0), size=(0.2,12,12), color=color.green)
如果您的模拟依赖于定义非常明确的对象，例如图像、表面、散点等，您可能想看看 matplotlib 的 3D 功能：
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
xs = np.random.randint(0,100,100)
ys = np.random.randint(0,100,100)
zs = np.random.randint(0,100,100)
ax.scatter(xs, ys, zs, c=c)
plt.show()
另外，Mayavi 有很多高级调用来了解众所周知的情节（但我认为在我写这篇文章的日期，这在 Python 3 中仍然不可用，如果我错了，请有人纠正我）：
import numpy
from mayavi.mlab import *
def test_surf():
"""Test surf on regularly spaced co-ordinates like MayaVi."""
def f(x, y):
sin, cos = numpy.sin, numpy.cos
return sin(x + y) + sin(2 * x - y) + cos(3 * x + 4 * y)
x, y = numpy.mgrid[-7.:7.05:0.1, -5.:5.05:0.05]
s = surf(x, y, f)
#cs = contour_surf(x, y, f, contour_z=0)
return s
Mayavi 本身基于VTK，它也有一个 Python API。其他相关库是：
还有其他类似 OpenSceneGraph、OpenGL 或 Coin3D 的绑定，但许多都没有记录，或者学习曲线非常艰难。
另外，您可能还需要考虑Blender，因为您可以在其中使用 Python，并且它具有非常丰富的 3D 建模环境。
【讨论】：