环境要求¶
在安装 AxiomRL 之前，请确认你的系统满足以下基本要求。
Python 版本¶
AxiomRL 要求 Python 3.10 或更高版本。以下是各版本的支持状态：
| Python 版本 | 支持状态 | 说明 |
|---|---|---|
| 3.10 | 完全支持 | 最低支持版本 |
| 3.11 | 完全支持 | 推荐版本 |
| 3.12 | 完全支持 | 最新稳定版 |
| < 3.10 | 不支持 | 缺少必要的语言特性 |
检查当前 Python 版本：
版本要求
AxiomRL 使用了 Python 3.10 引入的结构化模式匹配（match/case）和改进的类型注解等特性，因此不兼容更早的 Python 版本。
核心依赖¶
以下依赖会在安装 AxiomRL 时自动拉取，无需手动安装：
| 依赖 | 用途 | 说明 |
|---|---|---|
| PyTorch | 深度学习框架 | 推荐使用最新稳定版 |
| Gymnasium | 环境接口 | 标准强化学习环境 API |
| NumPy | 数值计算 | 数组运算与数据处理 |
| PyYAML | 配置解析 | 读取 YAML 配置文件 |
| TensorBoard | 训练监控 | 可视化训练曲线与指标 |
PyTorch 安装建议
如果你需要 GPU 支持，建议先根据 PyTorch 官方指引 安装对应 CUDA 版本的 PyTorch，再安装 AxiomRL。这样可以确保 GPU 加速正常工作。
操作系统¶
| 操作系统 | 支持状态 | 说明 |
|---|---|---|
| Linux (Ubuntu 20.04+) | 推荐 | 最佳性能，完整功能支持 |
| macOS (12+) | 支持 | Apple Silicon (M1/M2) 与 Intel 均可 |
| Windows (10/11) | 实验性 | 基本功能可用，部分环境可能不兼容 |
Linux 推荐
强化学习训练通常涉及大量环境交互和 GPU 计算。Linux 在这些场景下具有最佳的性能和兼容性，建议在生产环境中使用 Linux 系统。
GPU 支持（可选）¶
GPU 加速可以显著提升训练速度，但并非必需。AxiomRL 在 CPU 上同样可以完整运行。
| 要求 | 说明 |
|---|---|
| NVIDIA GPU | 支持 CUDA 的 NVIDIA 显卡 |
| CUDA Toolkit | 11.8 或 12.x，与 PyTorch 版本匹配 |
| cuDNN | 与 CUDA 版本对应的 cuDNN 库 |
检查 CUDA 是否可用：
python -c "import torch; print(f'CUDA: {torch.cuda.is_available()}, 设备: {torch.cuda.get_device_name(0) if torch.cuda.is_available() else \"无\"}')"
环境验证¶
安装完成后，使用内置诊断命令一键检查所有依赖：
该命令将检查以下项目：
- Python 版本是否满足要求
- 核心依赖是否已正确安装
- PyTorch 是否可用及 CUDA 状态
- Gymnasium 环境是否正常
- 可选依赖的安装状态
预期输出示例
下一步¶
环境就绪后，继续进行安装：