1.Gym是什么
我们为什么要用gym呢？因为gym中封装了很多强化学习的环境，我们在入门或者研究DRL时可以轻视调用gym中写好的环境，帮助我们快速完成任务。
OpenAI Gym 是一个环境仿真库，里面包含了很多现有的环境。针对不同的场景，我们可以选择不同的环境，主要有两类环境一类是离散的，一类是连续的。
2.Gym怎么安装
安装的话很容易，在终端中输入以下命令即可
pip install gym
在使用过程中可以会报错缺少其他包，比如pyglet等。此时直接pip安装就行。
3.Gym的经典代码是什么样的
下面给出一个经典示例展示一个简单的gym环境
CartPole-v0
包含哪些参数：
import gym # 导入 Gym 的 Python 接口环境包
env = gym.make('CartPole-v0') # 构建实验环境
env.reset() # 重置一个 episode
for _ in range(1000):
env.render() # 显示图形界面
action = env.action_space.sample() # 从动作空间中随机选取一个动作
observation, reward, done, info = env.step(action) # 用于提交动作，括号内是具体的动作
print(observation)
env.close()
终端输出的包含四个数的列表的数值内容如下：
4.Gym中的参数都是什么意思
env.reset()
在强化学习中，智能体要通过多次尝试来积累经验，从中学到各种状态下哪个行动最好。一次尝试称为一个 episode，每次尝试都要到达终止状态。一次尝试结束后，智能体需要从头开始，因此智能体需要有初始化的功能。
env.render()
类似于一个图像引擎，用于显示环境中的物体图像。首先导入rendering模块，利用rendering模块中的画图函数进行图形的绘制。然后用
cart = rendering.FilledPolygon()
创建小车，然后给 cart 添加平移和旋转属性。
env.action_space.sample()
的含义是，在该游戏的所有动作空间里随机选择一个作为输出。在这个例子中，意思就是，动作只有两个：0 和 1，一左一右。
env.step()
这个方法的作用不止于此，它还有四个返回值，分别是observation、reward、done、info。
observation(object)
是状态信息，是在游戏中观测到的屏幕像素值或者盘面状态描述信息。
reward(float)
是奖励值，即 action 提交以后能够获得的奖励值。这个奖励值因游戏的不同而不同，但总体原则是，对完成游戏有帮助的动作会获得比较高的奖励值。
done(boolean)
表示游戏是否已经完成。如果完成了，就需要重置游戏并开始一个新的 episode。
info(dict)
是一些比较原始的用于诊断和调试的信息，或许对训练有帮助。不过，OpenAI 团队在评价你提交的机器人时，是不允许使用这些信息的。
每个环境都定义了自己的观测空间和动作空间。环境 env 的观测空间用
env.observation_space
表示，动作空间用
env.action_space
表示。观测空间和动作空间既可以是离散空间（即取值是有限个离散的值），也可以是连续空间（即取值是连续的）。在 Gym 库中，离散空间一般用
gym.spaces.Discrete
类表示，连续空间用
gym.spaces.Box
类表示。
例如，环境’MountainCar-v0’的观测空间是
Box(2,)
，表示观测可以用 2 个 float 值表示；环境’MountainCar-v0’的动作空间是
Dicrete(3)
，表示动作取值自{0,1,2}。对于离散空间，
gym.spaces.Discrete
类实例的成员 n 表示有几个可能的取值；对于连续空间，
Box
类实例的成员 low 和 high 表示每个浮点数的取值范围。
import gym
env = gym.make('CartPole-v0')
print('观测空间 = {}'.format(env.observation_space))
print('动作空间 = {}'.format(env.action_space))
print('观测范围 = {} ~ {}'.format(env.observation_space.low,
env.observation_space.high))
print('动作数 = {}'.format(env.action_space.n))
观测空间 = Box([-4.8000002e+00 -3.4028235e+38 -4.1887903e-01 -3.4028235e+38], [4.8000002e+00 3.4028235e+38 4.1887903e-01 3.4028235e+38], (4,), float32)
动作空间 = Discrete(2)
观测范围 = [-4.8000002e+00 -3.4028235e+38 -4.1887903e-01 -3.4028235e+38] ~ [4.8000002e+00 3.4028235e+38 4.1887903e-01 3.4028235e+38]
动作数 = 2
除了上面的小车木杆的环境，gym还有很多其他环境
想要了解更多可以点击下面的参考链接更深入学习
本文参考自：
https://datawhalechina.github.io/easy-rl/#/chapter1/chapter1
https://gym.openai.com/docs/
https://zhuanlan.zhihu.com/p/409284868