Amazing-Brick
枇杷鹭
留下学习的痕迹。
展开
-
1.5万字详述 | 全开源:python写小游戏+AI强化学习与传统DFS/BFS控制分别实现
我以我在 GitHub 上开源的项目 PiperLiu / Amazing-Brick-DFS-and-DRL 为对象,从零开始与各位朋友分享:如何用 python 写一个小游戏 、 如何匹配传统的深度优先搜索算法来控制 、 如何匹配传统的广度优先搜索算法来控制 、 如何匹配深度强化学习算法来控制 、 强化学习的优势在哪里 。无论你是零基础还是有项目经验,我都希望能给你带来收获。原创 2020-11-10 15:42:01 · 2742 阅读 · 5 评论 -
效果良好!构造一个输入速度的神经网络,以DQN方式实现小游戏的自动控制
Amazing-Brick 的完结文章,五一开的坑,终于完成了!原创 2020-05-13 23:23:12 · 2445 阅读 · 1 评论 -
构造一个简单的神经网络,以DQN方式实现小游戏的自动控制
采用这种方式训练了 53 个循环(共计 53 * 10 * 300 = 159000 个 step)效果还是一般。下一节(也是本项目的最后一节),我们将探讨线性网络解决这个控制问题的相对成功的方案。原创 2020-05-12 18:17:32 · 3465 阅读 · 1 评论 -
构建一个简单的卷积神经网络,使用DRL框架tianshou匹配DQN算法
本节开始,我们将讨论如何用深度强化学习实现小游戏的自动控制。原创 2020-05-11 23:03:04 · 1499 阅读 · 0 评论 -
无需公式或代码,用生活实例谈谈 AI 自动控制技术“强化学习”算法框架
有人说,强化学习是一种“试错”技术,是在状态与动作间建立了一种高级的“哈希映射”。学习强化学习半载,我个人的心得是:强化学习让实时决策不再“鼠目寸光”,本文我们就通过“小赛能否写完假期作业”这个生活实例来谈谈。原创 2020-05-07 16:13:53 · 2290 阅读 · 1 评论 -
【广度优先搜索】一个实例+两张动图彻底理解 BFS | 思路+代码详解 | 用 DFS 自动控制我们的小游戏
在 第一篇文章 中,我们讨论了 如何用 pygame 写一个小游戏,并用键盘交互控制 。接下来,我们将分别用 DFS 、BFS 、DRL 实现自动控制。DFS 已经在 这篇文章 中讨论过,现在来看 BFS 。原创 2020-05-06 11:17:36 · 2018 阅读 · 0 评论 -
【深度优先搜索】一个实例+两张动图彻底理解 DFS | DFS 与 BFS 的区别 | 用 DFS 自动控制我们的小游戏
前言: 在第一篇文章中,我们讨论了 如何用 pygame 写一个小游戏,并用键盘交互控制 。接下来,我们将分别用 DFS 、BFS 、DRL 实现自动控制。这篇文章讨论了什么是深度优先搜索,如何匹配其到我们的小游戏上。原创 2020-05-06 00:16:50 · 3379 阅读 · 2 评论 -
【python实战】使用 pygame 写一个 flappy-bird 类小游戏 | 涉及思路+项目结构+代码详解 | 新手向
本项目总共花费了我两天时间(2020.5.2-2020.5.4),本项目包括:基于 pygame 的 amazing-brick 游戏复现,可以在电脑端手动玩此小游戏;基于 广度优先搜索算法(BFS, Breadth-First-Search) 的自动游戏机制;基于 宽度优先搜索算法(DFS, Depth-First-Search) 的自动游戏机制;基于 清华开源强化学习库 tianshou 的 DQN 算法,以强化学习的方式在游戏中实现自动控制。原创 2020-05-04 23:19:20 · 2343 阅读 · 0 评论