强化学习 pysc2学习笔记——env数据结构篇

最新推荐文章于 2024-05-11 09:33:04 发布
最新推荐文章于 2024-05-11 09:33:04 发布
阅读量921 收藏 3
点赞数
文章标签： 强化学习
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/weixin_50637267/article/details/114592612
版权

强化学习 pysc2学习笔记

env

pysc2配置启动和嵌入算法所需的基本信息。
主要包括地图名、screen、minimap的像素信息，训练的最大帧数与回合数，SC2与程序交互信息，agent的动作空间和状态空间等。

实际使用研究时可通过env.observation_spec()，env.action_spec()导入。这里主要写训练常用的obs和action。

env

obs与action

下面是进行一定修改的pysc2自带run_loop模块的部分，可以通过这里创建简单的训练循环，这里通过此文件说明agent的基本信息。

  observation_spec = env.observation_spec()
  action_spec = env.action_spec()
  #这里引入pysc2库的env
最低0.47元/天 解锁文章
dabAI♕
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python-实现pysc2环境的强化学习算法
08-11
实现pysc2环境的强化学习算法
dm_env:用于强化学习环境的Python界面
05-14
dm_env ：DeepMind RL环境API 该软件包描述了用于Python强化学习（RL）环境的界面。 它由以下核心组件组成： dm_env.Environment ：RL环境的抽象基类。 dm_env.TimeStep ：一个容器类，表示每个时间步（过渡）上环境的输出。 dm_env.specs ：一个模块，包含用于描述环境消耗的动作的格式以及其返回的观察值，奖励和折扣的原语。 dm_env.test_utils ：用于测试具体环境实现是否符合dm_env.Environment接口的工具。 请参阅的文档以获取有关环境接口的语义以及如何使用它的更多信息。 子目录还包含使用dm_env接口实现的RL环境的说明性示例。 安装 dm_env可以使用pip从PyPI安装： pip install dm-env 请注意，从1.4版开始，我们仅支持Python 3.6+。 您还
探索未来科技：PySC2 —— 星际争霸II学习环境
最新发布
gitblog_00037的博客
05-11 493
探索未来科技：PySC2 —— 星际争霸II学习环境 项目地址:https://gitcode.com/google-deepmind/pysc2 PySC2 是由DeepMind推出的基于Python的星际争霸II（StarCraft II）学习环境组件。它为Blizzard Entertainment的游戏提供了深度学习研究的接口。这个合作项目旨在将星际争霸II开发成为一个深入的强化学习研究...
【星际争霸2中的强化学习-1】使用 PySC2 构建虫族机器人
星之所望的博客
09-22 1485
中文网站上关于星际争霸2中AI模型的训练资料非常少，这里找到一篇比较好的pysc2使用的文章，翻译一下，方便阅读。 代码：GitHub - skjb/pysc2-tutorial: Tutorials for building a PySC2 botTutorials for building a PySC2 bot. Contribute to skjb/pysc2-tutorial development by creating an account on GitHub.https://hub.fas
gym创建自己的强化学习环境env
weixin_41880928的博客
12-16 7250
创建自己的用于强化学习的环境env 1，在C:\Users\xxx\anaconda3\envs\pytorch\Lib\site-packages\gym\envs\classic_control下创建环境文件myenv.py 2,在C:\Users\xxx\anaconda3\envs\pytorch\Lib\site-packages\gym\envs_init_.py中注册 # 创建自己的环境 register( id="MyEnv-v0", entry_point="gym.env
探索高效强化学习新境界：EnvPool —— 高性能环境池
gitblog_00096的博客
05-09 377
探索高效强化学习新境界：EnvPool —— 高性能环境池 项目地址:https://gitcode.com/sail-sg/envpool 在机器学习特别是强化学习（RL）的领域中，高效的环境执行是算法快速训练和验证的关键。EnvPool，一个基于C++并以Python接口封装的批量环境池，应运而生，致力于提供前所未有的性能和兼容性。它不仅适用于单一环境，更能在多线程批量处理中展现强大实力，无论...
Python-星际争霸IIpysc2深度加强学习示例
08-11
星际争霸II - pysc2深度加强学习示例
第一章 强化学习介绍
qq_41491023的博客
10-20 3215
Reinforement Learning Reinforcement Learning 强化学习讨论的问题是一个 智能体(agent) 怎么在一个复杂不确定的环境(environment)里面去极大化它能获得的奖励。示意图由两部分组成：agent 和 environment。在强化学习过程中，agent 跟 environment 一直在交互。Agent 在环境里面获取到状态，agent 会利用这个状态输出一个 action，一个决策。然后这个决策会放到环境之中去，环境会通过这个 agent 采取的决
rlenvs, 增强Torch7的强化学习环境.zip
09-18
rlenvs, 增强Torch7的强化学习环境 rlenvsReinforcement Reinforcement Reinforcement的强化学习环境，灵感来源于胶 [1]，并符合 OpenAI体育 API [2] 。 支持的环境：rlenvs.Acrobot [3]rl
pysc2-tutorial:构建PySC2机器人的教程
04-14
如何：PySC2 前言 当我探索PySC2时，我将以教程的形式记录我的经历，以便您可以继续并构建自己的StarCraft II机器人。 为了简单起见，至少在初稿中，我将机器人的竞赛限制在Terran上。 如果这样做在经济上可行，我可以在本教程上进行扩展。 如果您发现错误或某些可以改进的代码，请告诉我。 目录
PySC2 --- 星际争霸Ⅱ 学习环境搭建
deepx_top的博客
08-10 9509
欢迎使用Markdown编辑器写博客PySC2是DeepMind开发的星际争霸Ⅱ学习环境（SC2LE）的Python组件。 它封装Blizzard Entertainment的星际争霸Ⅱ机器学习API，提供Python 增强学习环境。 PySC2提供了增强学习Agents与星际争霸Ⅱ交互的接口，得到observations以及发送actions。 DeepMind PySC2提供了详细的安装说明，在
配置PySC2 - 星际争霸 II 学习环境
weixin_51568130的博客
10-06 382
星际争霸ai
PySC2是DeepMind的“星际争霸II学习环境”（SC2LE）的Python组件
weixin_30418341的博客
08-10 322
PySC2是DeepMind的“星际争霸II学习环境”（SC2LE）的Python组件。 它暴露了暴雪娱乐公司的星际争霸II机器学习API作为Python RL环境。 这是DeepMind和暴雪之间的合作，将星际争霸II发展成为RL研究的丰富环境。 PySC2为RL代理提供了一个与星际争霸2进行交互的接口，获取观察和发送动作。 我们发表了一篇随附的博客文章，其中概述了我们使用星际争霸II进行Dee...
PySC2 环境的基本使用
超级超级小天才的博客
01-20 1233
PySC2环境在Win10系统上的部署与安装，请参考：https://www.jianshu.com/p/e4d2313fa341 如何使用自定义的地图、agent来启动、运行、测试环境： python -m pysc2.bin.agent --map <Map> --agent <Agent> 其中<Agent>参数是一个指向你自定义类的python路径，比如，你的项目目录为[PATH]，你的agent的类名为 MyAgentClassName，它被定义在了MyA
【python-sc2】详细解析！！！手把手教你学会实现星际争霸2游戏AI智能体的基础知识！！！
ZhuanShangNiDeXin的博客
03-21 1416
超级详细的python-sc2环境的介绍，帮助读者实现自己的星际争霸2游戏AI智能体！！！
【强化学习】 OpenAI Gym入门：基础组件（Getting Started With OpenAI Gym: The Basic Building Blocks）
zhaohongfei_358的博客
08-17 5849
【强化学习】 OpenAI Gym入门：基础组件（Getting Started With OpenAI Gym: The Basic Building Blocks）
星际争霸2人工智能研究环境SC2LE完全入门指南
热门推荐
caluosi的博客
05-24 1万+
迈向通用人工智能：星际争霸2人工智能研究环境SC2LE完全入门指南Kun Ni飞行器控制专业博士86 人赞了该文章题图来源：http://www.neogaf.com/forum/showthread.php?t=1401417&amp;amp;amp;amp;amp;page=1版权说明：本文为原创文章，未经作者允许不得转载。注：本篇完全入门指南，相比于Flood Sung和杜客两位大神合作...
DI-engine强化学习入门（九）环境包裹器（Env Wrapper）
weixin_68094467的博客
05-08 897
Env Wrapper（环境包装器）提供了一种方便的机制来增强或修改原始环境的功能，而不需要改变环境本身的代码。例如，若要为一个环境添加噪声处理或者状态的标准化处理，可以创建一个Env Wrapper来实 现这些功能。这样，当需要在不同的环境中实施同样的噪声或标准化处理时，只需要将环境。DI-engine 继承和扩展了 OpenAI Gym 的设计，提供了一系列通用的 Env Wrapper，以便用户可以轻松地根据自己的需求来修改环境。
CartPole 强化学习详解1 - DQN
Oxalate的博客
05-03 8779
工作中常会接触到强化学习的内容，自己以gym环境中的Cartpole为例动手实现一下，记录点实现细节。 1. gym-CartPole环境准备 环境是用的gym中的CartPole-v1，就是火柴棒倒立摆。gym是openai的开源资源，具体如何安装可参照： 强化学习一、基本原理与gym的使用_wshzd的博客-CSDN博客_gym 强化学习 这个环境的具体细节（参考gym源码cartpole.py）： action只有向左向右两个选择，离散量 观测值有4个，x, x_dot, thet
强化学习自定义env
08-24
您好！对于强化学习中的自定义环境，您可以按照以下步骤进行设置： 1. 安装必要的软件包：首先，您需要安装强化学习库（如OpenAI Gym）和其他必要的软件包。 2. 定义环境类：创建一个Python类来定义您自己的环境。这个类需要实现以下方法： - `__init__()`: 初始化环境的初始状态和其他必要的变量。 - `reset()`: 重置环境到初始状态，并返回初始观察值。 - `step(action)`: 执行给定的动作，返回下一个观察值、奖励、是否终止以及其他相关信息。 - `render()`: 可选方法，用于将环境可视化。 3. 注册环境：使用`gym`库中的`register()`函数注册您的自定义环境。 4. 使用自定义环境：您可以像使用其他Gym环境一样使用自定义环境，例如在训练强化学习算法时使用`env.step()`和`env.reset()`。 这是一个简单的自定义环境示例： ```python import gym class CustomEnv(gym.Env): def __init__(self): # 初始化环境状态和其他变量 pass def reset(self): # 重置环境到初始状态，并返回初始观察值 pass def step(self, action): # 执行给定的动作，返回下一个观察值、奖励、是否终止以及其他相关信息 pass def render(self): # 可选方法，用于将环境可视化 pass # 注册自定义环境 gym.register(id='CustomEnv-v0', entry_point='custom_env_module:CustomEnv') # 使用自定义环境 env = gym.make('CustomEnv-v0') ``` 这样，您就可以使用自定义环境进行强化学习训练了。希望这能帮到您！如果有任何进一步的问题，请随时提问。
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