从零使用强化学习训练AI玩儿游戏(1)——安装环境

最新推荐文章于 2024-08-11 18:21:52 发布
最新推荐文章于 2024-08-11 18:21:52 发布
阅读量1.7w 收藏 114
点赞数 28
分类专栏： 机器学习 文章标签： 强化学习 GYM安装 TensorFlow Keras GYM使用镜像安装
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/u012465304/article/details/80888684
版权

            本文目前主要是写给自己的一个笔记，接下来这段时间会逐步记录我是怎么通过学习使用TensorFlow+Keras训练神经网络自己玩儿游戏，如果能间接帮助到他人就最好不过了，不喜勿喷。

目前准备使用第一层卷积神经网络，第二层LSTM的方式通过DQN增强学习的方式来训练这个神经网络。

我是在Windows7上运行的，做完了会把代码放到GitHub上

资源：IDE：PyCharm，如果是学生的话只需要给你的学生邮箱（带edu字样）发个邮件就能使用正版了，网上还有很多破解可以自己百度。

Python环境，Anaconda，是我见过最好的Python环境了，已经集成了很多工具包，同学们可以自己百度安装使用。

Python的学习可以用这个网址。

我的Keras基础是看莫烦大神的视频学习的，讲的很好很简单。点击文字就是连接。

看了视频会发现其实搭建一个神经网络还是很简单的。接下来就需要看怎么获取游戏界面了。

开源游戏环境Gym是一个国外的开源测试平台，专门用来测试

最低0.47元/天 解锁文章
蛋烘糕
关注
专栏目录
案例一：训练AI玩Atari游戏
程序员光剑
04-28 709
1. 背景介绍 1.1 Atari 游戏与强化学习 Atari 游戏作为上世纪 70-80 年代的经典游戏，其简单的规则和丰富的视觉效果使其成为强化学习算法的理想测试平台。强化学习旨在训练智能体通过与环境交互，学习最佳策略以最大化累积奖励。Atari 游戏提供了多种多样的环境和挑战，可以评
来，和AI玩角色扮演吗？
李rumor
10-13 2593
卷友们好，我是rumor。对话机器人在前几年就火过一波，后来真正被验证成功的商业模式只有智能音箱、智能客服，但在这两种产品中，闲聊始终不占据主要位置。所以我一度觉得，闲聊要等到很大的技术突破后才会有所应用。没想到近期，一种新型的对话产品悄然崭露，他们就是：虚拟角色对话。通俗的解释就是角色扮演（不要想多了，这是正经的技术文章）。不管是生成文本还是图像，模型效果的好坏和我们对结果的预期强相关。比如在体...
机器学习 - 强化学习详解
最新发布
weixin_47552266的博客
08-11 911
通过对 Q-learning 和 PPO 算法的深入剖析，可以看到强化学习的核心在于通过与环境的持续交互，智能体能够不断调整其策略或值函数，以实现最优决策。Q-learning 通过更新 Q 表来找到最优策略，而 PPO 则通过策略优化直接改进策略网络，使智能体能够在复杂环境中稳定学习。无论哪种算法，其最终目的都是帮助智能体在各种状态下做出最优决策，从而实现预期的目标。
神经网络训练ai玩游戏,人工神经网络入门
aifamao2的博客
08-24 4061
3、统计学相关基础回归分析(线性回归、L1/L2正则、PCA/LDA降维)聚类分析(K-Means)分布(正态分布、t分布、密度函数)指标(协方差、ROC曲线、AUC、变异系数、F1-Score)显著性检验(t检验、z检验、卡方检验)A/B测试门槛二、英语水平我这里说的英语，不是说的是英语四六级，我们都知道计算机起源于国外，很多有价值的文献都是来自国外，所以想要在人工智能方向有所成就，还是要读一些外文文献的，所以要达到能够读懂外文文献的英语水平。学习AI的大致步骤：（1）了解人工智能的一些背景知识；
训练一个简单的游戏AI（Deep Q Network）
12-26 878
Deep Q Network是DeepMind最早(2013年)提出来的，是深度强化学习方法。 最开始AI什么也不会，通过给它提供游戏界面像素和分数，慢慢把它训练成游戏高手。 Github上有不少DQN实现，在本帖中，我使用TensorFlow训练一个简单的游戏AI。 使用pygame写一个简单的小游戏 使用强化学习训练游戏AI pygame小游戏
如何训练AI玩飞机大战游戏
weixin_45290086的博客
03-22 3565
虽然没有谷歌强大的集群和DeepMind变态的算法的团队，但基于深度强化学习（Deep Q Network DQN ）的自制小游戏AI效果同样很赞。先上效果图： 下面分四个部分，具体给大家介绍。 /1/背景介绍 2013年DeepMind团队发表论文“Playing Atari with Deep Reinforcement Learning”，用Q-Network模型成功让AI玩起了Atari系...
如何用人工智能自动玩游戏
热门推荐
ZackSock的博客
09-18 4万+
让AI玩游戏的思想早在上世纪就已经有了，那个时候更偏向棋类游戏。像是五子棋、象棋等。在上世纪“深蓝”就击败了国际象棋冠军，而到2016年“Alpha Go”击败了人类围棋冠军。到现在，AI涉略的不仅仅是棋类游戏。像是超级马里奥、王者荣耀这种游戏，AI也能有比较好的表现。今天我们就来用一个实际的例子讨论AI自动玩游戏这一话题，本文会用非常简单的机器学习算法让AI自动玩Google小恐龙游戏。
用python AI脚本自动打王者荣耀？一路奔上王者
weixin_44941193的博客
01-10 1万+
一、前言 王者荣耀 -很火的手游-简直老少通吃-令人发指-虽然操作简单-但为什么你还是会被虐， 其实 是有技巧的，但那个是像 Alpha Go 一样，需要掌握海量数据和机器的团队，才能玩得起的。 今天，就给大家带来一个「平民版」，咱们都能玩的王者荣耀AI。 二、实现原理 AI 生成的图像： 这生产效果真是堪称神奇！自然语言与视觉的壁垒正在被逐渐打通。 反过来，图片生成描述，更简单了，这样的工作几年前就用了。 使用Transformer，根据游戏图像，生成当前画面的操作描述。 ..
从零使用强化学习训练AI玩儿游戏(8)——使用DQN(Keras)
蛋烘糕的博客
07-31 5996
上一篇我们讲了怎么用TensorFlow搭建DQN来玩游戏，这一篇我们使用Keras算法基本上跟上一篇一样，玩的游戏也一样 GitHub上源代码 这几天，天天找工作面试，终于有点时间把Keras的版本给写了。从TensorFlow换到用Keras搭建的神经网络了，这样就有便于后面我们把神经网络换成CNN加LSTM的操作，因为如果用TensorFlow加这两的话实在是没有Keras方便。 首先...
从零使用强化学习训练AI玩儿游戏(2)——学习Gym
蛋烘糕的博客
07-03 8865
        本文目前主要是写给自己的一个笔记，接下来这段时间会逐步记录我是怎么通过学习使用TensorFlow+Keras训练神经网络自己玩儿游戏，如果能间接帮助到他人就最好不过了，不喜勿喷。上一篇把玩儿游戏的游戏给搞定了，接下来看看怎么是怎么通过代码来玩儿这个游戏的官网上的doc详细介绍了step函数，如上图所示：step函数返回四个值observation (object): 一个环境特定...
Python-使用遗传算法和深度学习训练AI来玩贪吃蛇的游戏
08-10
使用遗传算法和深度学习训练AI来玩贪吃蛇的游戏
一个简单游戏ai的实现--让电脑自己愉快的打飞机
12-15
ai 游戏 python pygame 一个简单游戏ai的实现--让电脑自己愉快的打飞机
AIGames：使用AI玩一些游戏
02-02
AI游戏 use AI to play some games. You can star this repository to keep track of the project if it's helpful for you, thank you for your support. 内容 名称 实施算法的数量 码 用中文（表达 AISnake 2 AI贪吃蛇 车手 1个 AI俄罗斯方块 五子棋 1个 AI五子棋 AITRexRush 3 AIChrome浏览器小恐龙游戏 爱庞 1个 AI乒乓球 AIPianoTiles 1个 AI别再踩白块了 艾帕克曼 1个 AI吃豆人 AIFlappyBird 2 AI飞扬的小鸟 更多 微信公众号 查尔斯·皮卡丘
AIGame，使用DQN，Keras玩游戏
07-31
这个主要是配合我的博客https://blog.csdn.net/u012465304/article/details/81318957
从零使用强化学习训练AI玩儿游戏(9)——使用DQN(Keras+CNN)
蛋烘糕的博客
08-03 8528
做了这么。。。。。终于到达这一步了。 GitHub上源代码 上一篇我们用简单的全连接神经网络实现了DQN玩儿了一个简单的游戏，今天我们要用一个复杂的神经网络来玩儿一个复杂的游戏，SpaceInvaders-v0，就玩这个游戏吧，看起来很棒的样子，随便选的。 在这个游戏中observaction是一个屏幕RGB的图片，shape是（210,160,3） = 100800个数据正好试一下卷积神经...
从零使用强化学习训练AI玩儿游戏(3)——使用Q-learning
蛋烘糕的博客
07-05 6757
        本文目前主要是写给自己的一个笔记，接下来这段时间会逐步记录我是怎么通过学习使用TensorFlow+Keras训练神经网络自己玩儿游戏，如果能间接帮助到他人就最好不过了，不喜勿喷。的...
tf5: Deep Q Network—AI游戏
MachineLP的专栏
12-25 8037
Deep Q Network是DeepMind最早(2013年)提出来的，是深度强化学习方法。 最开始AI什么也不会，通过给它提供游戏界面像素和分数，慢慢把它训练成游戏高手。 Github上有不少DQN实现，在本帖中，我使用TensorFlow训练一个简单的游戏AI。 使用pygame写一个简单的小游戏 使用强化学习训练游戏AI pygame小游戏 import pygame from...
让AI帮你玩游戏（二）训练模型并获取结果
pp2351的博客
10-27 5017
让AI帮你玩游戏 让AI帮你玩游戏（二）训练模型并获取结果 训练模型 用训练好的Model获取坐标 实现我们想要的功能 最后再次声明：本文所涉及的内容仅用作学习研究，严禁用于非法用途，游戏中违反相关协议可能会使你失去你的游戏账号！ 教程完结，祝大家生活愉快！ 书接上文： 我们在上一期介绍了我们整体的思路以及创建训练数据，搭建ssd-resnet50模型，现在我们开始训练我们的模型，并用我们训练好的模型获得浮标所在的坐标。 让AI帮你玩游戏（二）训练模型并获取结果 训练模型.
强化学习训练ai玩游戏
07-25
强化学习训练AI玩游戏是通过使用Q-learning算法和DQN算法来训练AI在游戏中进行决策和行动。在Q-learning算法中，AI通过与环境的交互来学习最优的行动策略，以达到游戏的目标。例如，在走迷宫游戏中，AI通过训练学习到在迷宫中找到通关路径的最佳策略\[1\]。 而在DQN算法中，AI通过深度强化学习来训练，以在游戏中与机器进行弹球对战。通过训练，AI的胜率得到了显著提高，从最开始几乎全输到几乎全胜\[3\]。 在训练过程中，经验池起到了重要的作用。经验池的功能是解决相关性及非静态分布问题，通过将每个时间戳Agent与环境交互得到的转移样本储存到回放记忆单元中，然后随机抽取一些样本进行训练，以减少经验浪费并减轻经验关联性对网络训练的影响\[5\]。 总的来说，强化学习训练AI玩游戏是通过使用Q-learning算法和DQN算法，结合经验池的方法，让AI能够学习并改进在游戏中的决策和行动，从而提高AI在游戏中的表现和胜率。 #### 引用[.reference_title] - *1* *2* *3* *4* *5* [基于强化学习与深度强化学习的游戏AI训练](https://blog.csdn.net/pigpigpig64/article/details/118976302)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
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