游戏设计python

最新推荐文章于 2024-07-12 16:16:27 发布

最爱草莓大布丁

最新推荐文章于 2024-07-12 16:16:27 发布

阅读量419

点赞数

文章标签： python

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_62547655/article/details/128228561

版权

这篇博客介绍了如何使用Python创建一个简单的游戏类，包括初始化角色属性、显示生命值和经验值的功能。通过类方法调整角色的生命值和经验值，并在主函数中进行实例化和循环调用来模拟游戏过程。

摘要由CSDN通过智能技术生成

class Game(): #创建一个类

def __init__(self, name, sex, hp, exp):#定义def函数，__init__类方法中，self只有一个，属性为：name、sex、hp, exp
self.name = name
self.sex = sex
self.hp = hp
self.exp = exp

def showhp(self): #定义def函数，showhp()为类方法
self.hp -= 20 #减运算，当人物被攻击一次是生命值（hp）将会减20
if self.hp <= 0:#判断语句，当人物的生命值小于等于0时，输出打印：your hero is dead...，否则pass
print('your hero is dead...')
else:
pass
return self.hp

def showexp(self): #定义def函数，showexp()为类方法
self.exp += 50 #加运算，当人物被攻击一次经验值（exp）加50
if self.exp == 50:#判断语句，当人物的经验值等于50时，输出打印：你升级了，否则pass
print('你升级了')
else:

最低0.47元/天解锁文章

最爱草莓大布丁

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
打赏
7
评论
游戏设计python

class Game()
复制链接

扫一扫

最爱草莓大布丁

博客等级

码龄3年

16
原创

0
点赞

0
收藏

2
粉丝

关注

私信

热门文章

最新评论

画图操作过程和代码
最爱草莓大布丁: 通过下面的代码可以直观的看出，当取得不同b的时候，得到的直线的样子。 def LinearFunction(x,a=3.2,b=3.4): return a*x+b def LinearFunction2(x,a=3.2,b=3.5): return a*x+b x_data = [1,2,3,4] y_data = [6.8, 9.8, 13.2, 16.2] z_data = [6,12,18,24] n_data = np.arange(5) m_data = np.zeros([5,1]) l_data = np.zeros([5,1]) for i in range(5): m_data[i] = LinearFunction(n_data[i]) l_data[i] = LinearFunction2(n_data[i]) plt.scatter(x_data,y_data) plt.plot(n_data,m_data,'r') plt.plot(n_data,l_data,'g') plt.show()
线性训练模型计算最小损失值
最爱草莓大布丁: 接下来,我们采用梯度的方法进行网络的改写 import numpy as np from matplotlib import pyplot as plt data_x = [1, 2, 3] data_y = [2, 4, 6] loss_list = list() a_list = list() alpha = 0.01 def forward(x): return a * x def lossFunction(x, y): y_pred = forward(x) loss = (y_pred - y) ** 2 return loss def predict(x, a_): return a_ * x def gradient(a, x, y): a = a - alpha * 2 * (a * x - y) * x return a if __name__ == '__main__': a = 0 for epoch in range(1000): # for a in np.arange(0, 4, 0.1): sum_loss = 0 for i in range(3): sum_loss += lossFunction(data_x[i], data_y[i]) a = gradient(a, data_x[i], data_y[i]) loss_list.append(sum_loss / 3) a_list.append(a) plt.subplot(211) plt.plot(a_list) plt.subplot(212) plt.plot(loss_list) plt.show() plt.figure() plt.plot(a_list, loss_list) plt.xlabel('a') plt.ylabel('loss') plt.show() min_value = min(loss_list) index_lossMin = loss_list.index(min_value) print(index_lossMin) proper_a = a_list[index_lossMin] print(proper_a) print("Please input the desired x:") desired_x = input() print(f"The predict output for the linear model is {predict(float(desired_x), proper_a)}") import time import numpy as np from matplotlib import pyplot as plt import random x_data = [1,2,3] y_data = [2,4,6] loss_list = list() a_b_list = list() def forward(a, x): return a*x def lossFunction(a,x,y): y_pred = forward(a,x) loss = (y - y_pred)**2 return loss alpha = 0.1 def gradient(x, a, y): a = a - alpha*2*x*(x*a -y) return a a_list = list() b_list = list() if __name__ == '__main__': a = random.randint(0, 10) for epoch in range(100): sum_loss = 0 for i in range(3): sum_loss += lossFunction(a, x_data[i], y_data[i]) a = gradient(x_data[i], a, y_data[i]) loss_list.append(sum_loss/3) a_list.append(a) b_list.append(epoch) print(f'epoch = {epoch}, a = {a}, loss = {sum_loss/3}') time.sleep(0.5) # time.sleep(0.5) # plt.plot(a_list, loss_list) plt.plot(b_list, loss_list) plt.show()
游戏设计python
最爱草莓大布丁: 下面的例子显示一个糖尿病例子的预测问题： import numpy as np from matplotlib import pyplot as plt import torch data_xy = np.loadtxt('/homeasing/Documents/pytorchbooklit/diabetes.csv.gz', delimiter=',', dtype=np.float32) x_data = torch.from_numpy(data_xy[:,:-1]) y_data = torch.from_numpy(data_xy[:,-1]).reshape(-1,1) class LinearExample(torch.nn.Module): def __init__(self): super(LinearExample, self).__init__() self.linear1 = torch.nn.Linear(8,6) self.linear2 = torch.nn.Linear(6,4) self.linear3 = torch.nn.Linear(4,1) # self.linear4 = torch.nn.Linear(2,1) self.sigmoid = torch.nn.Sigmoid() self.relu = torch.nn.ReLU() def forward(self,x): x = self.relu(self.linear1(x)) x = self.relu(self.linear2(x)) x = self.linear3(x) # x = self.linear4(x) return self.relu(x) # return self.sigmoid(x) model = LinearExample() criterion = torch.nn.BCELoss(reduction='mean') optimizer = torch.optim.SGD(model.parameters(),lr=1e-2) loss_list = list() if __name__ == '__main__': for epoch in range(300): y_pred = model(x_data) loss = criterion(y_pred, y_data) loss_list.append(loss.item()) optimizer.zero_grad() loss.backward() optimizer.step() plt.plot(loss_list) plt.show()
游戏设计python
最爱草莓大布丁: 汽车类型代码 #这是一个Car类 class Car(): # ''' #kind : 车的品牌 #length ：车的长度 #weight ：车的重量 #''' def __init__(self,kind='BMW',length=4.5,weight=1.6): self.kind=kind self.length=length self.__weight=weight #__weight 表示私有属性不能直接调用 #显示车的重量 def showWeight(self): return self.__weight #初始化Car类 BMW=Car() #打印车的每个属性 print(BMW.kind) print(BMW.showWeight()) print(BMW.length)
游戏设计python
最爱草莓大布丁: 我还在找

您愿意向朋友推荐“博客详情页”吗？

强烈不推荐
不推荐
一般般
推荐
强烈推荐

提交

最新文章

目录

评论 7

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

最爱草莓大布丁 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

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。