Python机器学习之游戏自动驾驶（三）

最新推荐文章于 2024-07-01 18:09:08 发布

_Celeste_

最新推荐文章于 2024-07-01 18:09:08 发布

阅读量1.3k

点赞数 1

文章标签：神经网络自动驾驶 pytorch 机器学习

本文链接：https://blog.csdn.net/qq_41196472/article/details/118087896

版权

本文介绍了使用Python和PyTorch实现游戏自动驾驶的过程，重点在测试阶段如何通过按键操作模拟神经网络的决策。利用win32包的PressKey和ReleaseKey函数进行按键控制。在测试时应注意使用net.eval()来关闭dropout层，并且由于训练数据不足和计算资源限制，作者在遇到神经网络决策不明确的情况时选择直行策略以提高测试效果。

摘要由CSDN通过智能技术生成

3. 如何进行测试

在测试阶段关键在于如何通过python对电脑发出相应的按键操作，因为我们的目的是让神经网络根据游戏的画面给出对应的操作，要想给出对应的操作也需要用到最开始所说的win32包，下面给出发送按键操作指令的代码

import ctypes
import time

SendInput = ctypes.windll.user32.SendInput


W = 0x11
A = 0x1E
S = 0x1F
D = 0x20

# C struct redefinitions
PUL = ctypes.POINTER(ctypes.c_ulong)


class KeyBdInput(ctypes.Structure):
    _fields_ = [("wVk", ctypes.c_ushort),
                ("wScan", ctypes.c_ushort),
                ("dwFlags", ctypes.c_ulong),
                ("time", ctypes.c_ulong),
                ("dwExtraInfo", PUL)]


class HardwareInput(ctypes.Structure):
    _fields_ = [("uMsg", ctypes.c_ulong),
                ("wParamL", ctypes.c_short),
                ("wParamH", ctypes.c_ushort)]


class MouseInput(ctypes.Structure):
    _fields_ = [("dx", ctypes.c_long),
                ("dy", ctypes.c_long),
                ("mouseData", ctypes.c_ulong),
                ("dwFlags", ctypes.c_ulong),
                ("time",ctypes.c_ulong),
                ("dwExtraInfo", PUL)]


class Input_I(ctypes.Union):
    _fields_ = [("ki", KeyBdInput),
                ("mi", MouseInput),
                ("hi", HardwareInput)]


class Input(ctypes.Structure):
    _fields_ = [("type", ctypes.c_ulong),
                ("