这段文字描述了如何将一个训练好的深度学习分类器集成到一个 Halite 游戏机器人中。
首先,作者回顾了之前教程中构建的随机机器人,它通过随机选择行动并记录获胜者的策略进行训练。现在,作者希望将训练好的深度学习分类器应用于实际的 Halite 机器人中,让其根据分类器的预测结果进行行动。
为了实现这一目标,作者首先复制了之前构建的机器人代码,并对其进行了一些修改。最重要的是,在 pick a new plan
函数中,作者加入了深度学习分类器的调用,让分类器预测最佳行动,并根据预测结果更新机器人的行动计划。
为了确保代码的正常运行,作者还添加了一些导入语句,包括 Keras 和 TensorFlow,并使用 load_model
函数加载之前训练好的模型。为了避免 TensorFlow 的输出干扰,作者还设置了日志级别和详细程度,以减少输出信息。
最后,作者还解释了代码中一些额外的部分,例如设置 TensorFlow 的日志级别和详细程度,以及加载模型的代码。
总而言之,这段文字介绍了如何将一个训练好的深度学习分类器集成到 Halite 游戏机器人中,并详细说明了代码修改和相关操作步骤。
欢迎来到 Halite II 教程的第七部分,以及深度学习与 Halite 教程的第四部分。 在本教程中,我们将讨论如何使用我们训练的模型,无论是在本地还是在竞争中。 文本教程和示例代码:https://pythonprogramming.net/deploying-model-deep-learning-halite-ii-artificial-intelligence-competition/https://pythonprogramming.net/support-donate/