构建神经网络训练数据 - 星际争霸 II 教程 p.9 的 Python AI

这段文字是来自一个深度学习教程系列的视频讲解，主要内容是为星际争霸2游戏构建数据集，并添加一些新的可视化元素。

视频讲解者首先回顾了之前构建的数据集，并指出已经有了比较好的地图和游戏进程可视化效果。接下来，他打算添加一些新的可视化元素，包括：

• 资源可视化： 显示当前拥有的矿物和气体数量，使用进度条形式展示，超过1500则显示满格。
• 人口可视化： 显示剩余人口上限，使用进度条形式展示，直观地反映当前人口距离上限的距离。
• 兵力比例可视化： 显示当前的军事单位数量与总人口的比例，使用进度条形式展示。

讲解者认为，虽然神经网络可能学习到一些可视化元素的模式，例如进度条长度，但一些更抽象的比例关系，例如人口剩余比例，可能需要更清晰的展示。因此，他决定添加这些新的可视化元素，帮助神经网络更好地理解游戏状态。

最后，讲解者展示了代码实现，并解释了每个可视化元素的逻辑和实现方式。他认为，这些代码应该比较容易理解，并鼓励观众自己尝试实现。

现在我们有了想要的可视化数据，如果 AI 在战斗中获胜，我们将构建并保存这些数据作为神经网络的训练数据。 文本教程和示例代码：https://pythonprogramming.net/building-neural-network-training-data-starcraft-ii-ai-python-sc2-tutorial/