深度学习FlappyBird环境搭建

最新推荐文章于 2024-06-04 09:47:06 发布
最新推荐文章于 2024-06-04 09:47:06 发布
阅读量1.4k 收藏 12
点赞数 5
分类专栏： 深度学习 文章标签： tensorflow python FlappyBird Deeplearning
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_32218875/article/details/82995342
版权
本文详细介绍了在Windows系统下如何搭建FlappyBird深度学习环境，包括安装Anaconda、Python、TensorFlow、Pygame和OpenCV-Python的步骤。特别提示，由于TensorFlow对Python版本的要求，建议使用Python3.6或以下，并提供了解决网络慢和不支持AVX指令问题的方案。
摘要由CSDN通过智能技术生成

Windows下的FlappyBird案例环境搭建

1.FlappyBird源码链接：https://github.com/yenchenlin/DeepLearningFlappyBird
备用地址：https://download.csdn.net/download/qq_32218875/10710739
具体流程：安装python -> 安装tensorflow -> 安装pygame -> 安装OpenCV-Python。

2.安装python
我安装的是Anaconda,用的是清华镜像，速度比原网站快很多。
网址：https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/ 或直接搜索“Anaconda清华镜像”。
在这里插入图片描述选择哪个都可以，因为本系统是windows64位所以选择划红线的任意一个即可，但目前tensorflow最新只支持python3.6，为了省略不必要的麻烦，若安装python3.7，可以将其环境修改至3.6及以下，所以我选择了第二个（2018-05-31 02：41），第三个为py

最低0.47元/天 解锁文章
地理老师踢了我一脚
关注
  • 5
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
用Tensorflow基于Deep Q Learning DQN 玩Flappy Bird
Flood Sung的专栏
03-22 7万+
前言2013年DeepMind 在NIPS上发表Playing Atari with Deep Reinforcement Learning 一文，提出了DQN（Deep Q Network）算法，实现端到端学习玩Atari游戏，即只有像素输入，看着屏幕玩游戏。Deep Mind就凭借这个应用以6亿美元被Google收购。由于DQN的开源，在github上涌现了大量各种版本的DQN程序。但大多是复现
深度学习实例——Flappy Bird
qq_40173961的博客
09-25 5544
安装完之后找了一个实例来测试，目前进展是已经跑通了，但是还没有搞懂细节的部分。 先记录一下实现的过程。 代码附在文末，先说一下遇到的问题和解决的方法。 1.模块导入 我使用的编译器是Spyder (tensorflow)，按照之前的方法，安装好tensorflow和opencv后，导入这两个模块已经没有问题了。 重点说一下这句： sys.path.append("D:/Pytho...
使用深度强化学习玩转Flappy Bird：基于Deep Q Learning（DQN）
最新发布
gitblog_00087的博客
06-04 404
使用深度强化学习玩转Flappy Bird：基于Deep Q Learning（DQN） 项目地址:https://gitcode.com/li-haoran/DRL-FlappyBird 1、项目介绍 这个开源项目提供了一个独特的框架，让你能够使用深强化学习（特别是Deep Q Network，DQN）算法来训练智能体玩经典的Flappy Bird游戏。只需一行代码python FlappyBi...
深度强化学习DQN训练Flappy bird源代码
11-10
深度强化学习DQN训练Flappy Bird源代码，可以直接运行FlappyBirdDQN.py使用。
深度学习Flappy Bird
ncst
08-14 3264
Flappy Bird 在此示例中，你将看到一个深度学习代理在玩 Flappy Bird！你可以自己训练该代理，但是现在我们先开始使用作者提供的预先训练好的网络。注意，下面的代理能够直接玩游戏，不用告诉它关于游戏结构或规则的任何信息。它会通过查看每次循环时的操作流程，自动发现游戏规则。 我们将使用此 GitHub 代码库（作者：Yenchen Lin）
DeepLearningFlappyBird
10-28
DeepLearningFlappyBird
Python 强化学习 DQN Flappy Bird
09-25
在本项目中，我们将深入探讨如何使用Python实现深度强化学习（Deep Reinforcement Learning，DRL）中的Deep Q-Network（DQN）算法来玩经典游戏Flappy Bird。DQN是强化学习领域的一个重要里程碑，它结合了Q学习的理论...
Flappy Bird 源代码 贴图 以及 音效
05-04
《Flappy Bird源代码、贴图与音效详解——Unity游戏开发深度剖析》 Flappy Bird，这款在2014年风靡全球的小游戏，以其简单却极具挑战性的玩法吸引了无数玩家。对于长安大学的学生，尤其是那些正在学习游戏动画开发...
CentOS7深度学习环境搭建.txt
06-09
### CentOS7深度学习环境搭建详解 #### 一、Bios禁用SecureBoot及禁用nouveau驱动 在搭建深度学习环境前，首先需要确保系统的兼容性和稳定性。这包括两个关键步骤：禁用SecureBoot以及禁用nouveau驱动。 **1.1 ...
基于深度强化学习DQN的FlappyBird游戏AI开发 .zip
04-10
【资源说明】 1、该资源包括项目的全部源码，下载可以直接使用！ 2、本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目，作为参考资料...基于深度强化学习DQN的FlappyBird游戏AI开发 .zip
机器学习之DeepLearningFlappyBird
ljp1919的专栏
10-20 5277
背景采用深度学习的方式玩FlappyBird游戏。安装过程：0.安装Tensorflow： 这部分和之前一样，下载whl文件直接，install方式进行安装 1.安装OpenCV： Download OpenCV 下载OpenCV 在opencv官网 http://opencv.org/ 右侧下载Linux版本的OpenCV cd到下载目录unzip opencv-2.4.13.z
强化学习完flappybird
06-05
使用DQN自动玩flappybird，最近，github上有人放出使用DQN玩Flappy Bird的代码，https://github.com/yenchenlin1994/DeepLearningFlappyBird【1】 该repo通过结合之前的repo成功实现了这个想法。这个repo对整个实现过程进行了较详细的分析，但是由于其DQN算法的代码基本采用别人的repo，代码较为混乱，不易理解。
FlappyBirdRL：使用强化学习的Flappy Bird hack
02-03
FlappyBirdRL 使用强化学习的Flappy Bird hack 您可以在此处查看游戏和算法的摘要！ 自己运行代码 代码并解压缩 打开终端并导航到该文件夹 cd ~/Downloads/FlappyBirdRL-master 使用python启动一个简单的服务器 python -m SimpleHTTPServer 8000 更多细节。 在浏览器中，导航到本地服务器的地址（默认为 ）。 故障排除 您启动服务器了吗？ 如果您刚刚打开index.html页面，则控制台中可能有关于原始请求的错误。 右键单击屏幕上的任意位置，单击“检查”，然后查看控制台。 是否存在以下错误？ 示例 Failed to load file:///Users/.../res/flappyAtlas/atlas.txt: Cross origin requests are only supported for protocol schemes: http, data, chrome, chrome-extension, https." ：该页面试图从磁盘加载文件，但是大多数现代浏览器将其阻
PaddlePaddle版Flappy-Bird—使用DQN算法实现游戏智能
Paper weekly
04-26 1562
刚刚举行的 WAVE SUMMIT 2019 深度学习开发者峰会上，PaddlePaddle 发布了 PARL 1.1 版本，这一版新增了 IMPALA、A3C、A2C ...
DeepLearningFlappyBird-深度学习玩游戏－1-环境搭建
05-02 191
-------------------------------------------------------------------------------------- https://github.com/yenchenlin1994/DeepLearningFlappyBird FlappyBird 的源码地址。 参考了下面的游戏设计 https://github.com...
强化学习玩flappy_bird
qq_74722169的博客
05-06 912
游戏地址：https://flappybird.io/该游戏的规则是：点击屏幕则小鸟立即获得向上速度。不点击屏幕则小鸟受重力加速度影响逐渐掉落。小鸟碰到地面会死亡，碰到水管会死亡。（碰到天花板不会死亡）小鸟通过水管会得分。
【强化学习】----训练Flappy Bird小游戏
zijin-jdd的博客
03-22 4802
Flappy Bird游戏需要玩家控制一只小鸟越过管道障碍物。玩家只可以进行“跳跃”或者“不操作”两种操作，即点或不点。点则让小鸟上升一段距离，不点小鸟继续下降。若小鸟碰到障碍物或地面，则游戏失败。如今，深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示，使得机器学习模型可以直接学习概念，如直接从原始图像数据进行物体类别分类。深层卷积神经网络采用平铺分层卷积滤波器层来模拟视野接受域的影响，在处理计算机视觉问题上，如分类和检测问题，获得了很大成功。
深度强化学习玩Flappybird代码运行笔记——Testing模式
越野者的博客
06-04 1447
1. 运行环境介绍 NVIDIA GTX 1070 Ubuntu 16.04 x64 CUDA 8.0.61 cuDNN 5.1 Python 3.4 TensorFlow 1.2.0 PyGame 1.9.4 OpenCV 3.1.0（opencv-3.1.0-np111py34_1.tar.bz2） OpenCV-Python for Python 3.4（opencv3-3.1.0-py3...
flappy bird python深度学习实验步骤
07-17
对于使用深度学习训练 Flappy Bird 游戏的步骤，你可以按照以下方式进行： 1. 准备游戏环境：首先，你需要在 Python 中安装 Pygame 库，它可以用于创建游戏界面和处理游戏逻辑。你可以使用 pip 命令来安装 Pygame：`pip install pygame`。 2. 下载 Flappy Bird 游戏源码：在网上搜索并下载 Flappy Bird 游戏的源码，可以使用 GitHub 等代码托管平台来获取。确保你选择的源码是与 Python 版本兼容的。 3. 创建深度学习模型：使用深度学习框架（如 TensorFlow 或 PyTorch）来创建一个模型，用于训练 Flappy Bird 游戏。你可以选择使用强化学习算法（如 Q-Learning 或 Deep Q-Learning）来训练模型。 4. 定义游戏状态和动作空间：将游戏的状态和动作空间转化为模型可以理解的形式。例如，你可以将游戏的画面转化为图像，并将游戏的动作定义为向上跳或不跳。 5. 构建训练数据集：通过与游戏进行交互，收集游戏状态和对应的动作，并将其存储为训练数据集。这些数据将用于训练深度学习模型。 6. 训练深度学习模型：使用收集到的训练数据集来训练深度学习模型。根据选择的算法和框架，你需要编写相应的训练代码，并设置合适的超参数。 7. 测试和优化模型：训练完成后，你可以使用模型来玩 Flappy Bird 游戏，并观察其表现。根据需要，你可以对模型进行调优，例如调整模型结构、改变超参数或增加训练数据。 请注意，这只是一个基本的步骤指导，具体实现可能因个人需求和技术选项而有所不同。在实践中，你可能需要阅读更多关于深度学习和强化学习的资料，并根据自己的实际情况进行调整和优化。祝你成功！
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值