您当前的位置:首页 > 电脑百科 > 程序开发 > 语言 > Python

Python 还能实现哪些 AI 游戏?附上代码一起来一把

时间:2020-06-18 17:22:29  来源:CSDN  作者:
Python 还能实现哪些 AI 游戏?附上代码一起来一把

作者 | 李秋键

责编 | Carol

头图 | CSDN 付费下载自视觉中国

人工智能作为当前热门在我们生活中得到了广泛应用,尤其是在智能游戏方面,有的已经达到了可以和职业选手匹敌的效果。而DQN算法作为智能游戏的经典选择算法,其主要是通过奖励惩罚机制来迭代模型,来达到更接近于人类学习的效果。

那在强化学习中, 神经网络是如何被训练的呢? 首先, 我们需要 a1, a2 正确的Q值, 这个 Q 值我们就用之前在 Q learning 中的 Q 现实来代替. 同样我们还需要一个Q估计来实现神经网络的更新. 所以神经网络的的参数就是老的NN参数加学习率 alpha乘以Q现实和Q估计的差距。

Python 还能实现哪些 AI 游戏?附上代码一起来一把
Python 还能实现哪些 AI 游戏?附上代码一起来一把

我们通过 NN 预测出Q(s2, a1) 和 Q(s2,a2) 的值, 这就是 Q 估计. 然后我们选取 Q 估计中最大值的动作来换取环境中的奖励 reward. 而 Q 现实中也包含从神经网络分析出来的两个 Q 估计值, 不过这个 Q 估计是针对于下一步在 s’ 的估计. 最后再通过刚刚所说的算法更新神经网络中的参数.

DQN是第一个将深度学习模型与强化学习结合在一起从而成功地直接从高维的输入学习控制策略。

  • 创新点:

基于Q-Learning构造Loss Function(不算很新,过往使用线性和非线性函数拟合Q-Table时就是这样做)。

通过experience replay(经验池)解决相关性及非静态分布问题;

使用TargetNet解决稳定性问题。

  • 优点:

算法通用性,可玩不同游戏;

End-to-End 训练方式;

可生产大量样本供监督学习。

  • 缺点:

无法应用于连续动作控制;

只能处理只需短时记忆问题,无法处理需长时记忆问题(后续研究提出了使用LSTM等改进方法);

CNN不一定收敛,需精良调参。

整体的程序效果如下:

 

Python 还能实现哪些 AI 游戏?附上代码一起来一把

 

实验前的准备

首先我们使用的Python版本是3.6.5所用到的库有cv2库用来图像处理;

Numpy库用来矩阵运算;TensorFlow框架用来训练和加载模型。Collection库用于高性能的数据结构。

Python 还能实现哪些 AI 游戏?附上代码一起来一把

程序的搭建

1、游戏结构设定:

我们在DQN训练前需要有自己设定好的程序,即在这里为弹珠游戏。在游戏整体框架搭建完成后,对于计算机的决策方式我们需要给他一个初始化的决策算法为了达到更快的训练效果。

程序结构的部分代码如下:

def __init__(self):
self.__initGame
# 初始化一些变量
self.loseReward = -1
self.winReward = 1
self.hitReward = 0
self.paddleSpeed = 15
self.ballSpeed = (7, 7)
self.paddle_1_score = 0
self.paddle_2_score = 0
self.paddle_1_speed = 0.
self.paddle_2_speed = 0.
self.__reset
'''
更新一帧
action: [keep, up, down]
'''
# 更新ball的位置
self.ball_pos = self.ball_pos[0] + self.ballSpeed[0], self.ball_pos[1] + self.ballSpeed[1]
# 获取当前场景(只取左半边)
image = pygame.surfarray.array3d(pygame.display.get_surface)
# image = image[321:, :]
pygame.display.update
terminal = False
if max(self.paddle_1_score, self.paddle_2_score) >= 20:
self.paddle_1_score = 0
self.paddle_2_score = 0
terminal = True
return image, reward, terminal
def update_frame(self, action):
assert len(action) == 3
pygame.event.pump
reward = 0
# 绑定一些对象
self.score1Render = self.font.render(str(self.paddle_1_score), True, (255, 255, 255))
self.score2Render = self.font.render(str(self.paddle_2_score), True, (255, 255, 255))
self.screen.blit(self.background, (0, 0))
pygame.draw.rect(self.screen, (255, 255, 255), pygame.Rect((5, 5), (630, 470)), 2)
pygame.draw.aaline(self.screen, (255, 255, 255), (320, 5), (320, 475))
self.screen.blit(self.paddle_1, self.paddle_1_pos)
self.screen.blit(self.paddle_2, self.paddle_2_pos)
self.screen.blit(self.ball, self.ball_pos)
self.screen.blit(self.score1Render, (240, 210))
self.screen.blit(self.score2Render, (370, 210))
'''
游戏初始化
'''
def __initGame(self):
pygame.init
self.screen = pygame.display.set_mode((640, 480), 0, 32)
self.background = pygame.Surface((640, 480)).convert
self.background.fill((0, 0, 0))
self.paddle_1 = pygame.Surface((10, 50)).convert
self.paddle_1.fill((0, 255, 255))
self.paddle_2 = pygame.Surface((10, 50)).convert
self.paddle_2.fill((255, 255, 0))
ball_surface = pygame.Surface((15, 15))
pygame.draw.circle(ball_surface, (255, 255, 255), (7, 7), (7))
self.ball = ball_surface.convert
self.ball.set_colorkey((0, 0, 0))
self.font = pygame.font.SysFont("calibri", 40)
'''
重置球和球拍的位置
'''
def __reset(self):
self.paddle_1_pos = (10., 215.)
self.paddle_2_pos = (620., 215.)
self.ball_pos = (312.5, 232.5)

2、行动决策机制:

首先在程序框架中设定不同的行动作为训练对象

# 行动paddle_1(训练对象)
if action[0] == 1:
self.paddle_1_speed = 0
elif action[1] == 1:
self.paddle_1_speed = -self.paddleSpeed
elif action[2] == 1:
self.paddle_1_speed = self.paddleSpeed
self.paddle_1_pos = self.paddle_1_pos[0], max(min(self.paddle_1_speed + self.paddle_1_pos[1], 420), 10)

接着设置一个简单的初始化决策。根据结果判断奖励和惩罚机制,即球撞到拍上奖励,撞到墙上等等惩罚:

其中代码如下:

# 行动paddle_2(设置一个简单的算法使paddle_2的表现较优, 非训练对象)
if self.ball_pos[0] >= 305.:
if not self.paddle_2_pos[1] == self.ball_pos[1] + 7.5:
if self.paddle_2_pos[1] < self.ball_pos[1] + 7.5:
self.paddle_2_speed = self.paddleSpeed
self.paddle_2_pos = self.paddle_2_pos[0], max(min(self.paddle_2_pos[1] + self.paddle_2_speed, 420), 10)
if self.paddle_2_pos[1] > self.ball_pos[1] - 42.5:
self.paddle_2_speed = -self.paddleSpeed
self.paddle_2_pos = self.paddle_2_pos[0], max(min(self.paddle_2_pos[1] + self.paddle_2_speed, 420), 10)
else:
self.paddle_2_pos = self.paddle_2_pos[0], max(min(self.paddle_2_pos[1] + 7.5, 420), 10)
# 行动ball
# 球撞拍上
if self.ball_pos[0] <= self.paddle_1_pos[0] + 10.:
if self.ball_pos[1] + 7.5 >= self.paddle_1_pos[1] and self.ball_pos[1] <= self.paddle_1_pos[1] + 42.5:
self.ball_pos = 20., self.ball_pos[1]
self.ballSpeed = -self.ballSpeed[0], self.ballSpeed[1]
reward = self.hitReward
if self.ball_pos[0] + 15 >= self.paddle_2_pos[0]:
if self.ball_pos[1] + 7.5 >= self.paddle_2_pos[1] and self.ball_pos[1] <= self.paddle_2_pos[1] + 42.5:
self.ball_pos = 605., self.ball_pos[1]
self.ballSpeed = -self.ballSpeed[0], self.ballSpeed[1]
# 拍未接到球(另外一个拍得分)
if self.ball_pos[0] < 5.:
self.paddle_2_score += 1
reward = self.loseReward
self.__reset
elif self.ball_pos[0] > 620.:
self.paddle_1_score += 1
reward = self.winReward
self.__reset
# 球撞墙上
if self.ball_pos[1] <= 10.:
self.ballSpeed = self.ballSpeed[0], -self.ballSpeed[1]
self.ball_pos = self.ball_pos[0], 10
elif self.ball_pos[1] >= 455:
self.ballSpeed = self.ballSpeed[0], -self.ballSpeed[1]
self.ball_pos = self.ball_pos[0], 455

3、DQN算法搭建:

为了方便整体算法的调用,我们首先定义神经网络的函数,包括卷积层损失等函数定义具体如下可见:

'''
获得初始化weight权重
'''
def init_weight_variable(self, shape):
return tf.Variable(tf.truncated_normal(shape, stddev=0.01))
'''
获得初始化bias权重
'''
def init_bias_variable(self, shape):
return tf.Variable(tf.constant(0.01, shape=shape))
'''
卷积层
'''
def conv2D(self, x, W, stride):
return tf.nn.conv2d(x, W, strides=[1, stride, stride, 1], padding="SAME")
'''
池化层
'''
def maxpool(self, x):
return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
'''
计算损失
'''
def compute_loss(self, q_values, action_now, target_q_values):
tmp = tf.reduce_sum(tf.multiply(q_values, action_now), reduction_indices=1)
loss = tf.reduce_mean(tf.square(target_q_values - tmp))
return loss
'''
下一帧
'''
def next_frame(self, action_now, scene_now, gameState):
x_now, reward, terminal = gameState.update_frame(action_now)
x_now = cv2.cvtColor(cv2.resize(x_now, (80, 80)), cv2.COLOR_BGR2GRAY)
_, x_now = cv2.threshold(x_now, 127, 255, cv2.THRESH_BINARY)
x_now = np.reshape(x_now, (80, 80, 1))
scene_next = np.Append(x_now, scene_now[:, :, 0:3], axis=2)
return scene_next, reward, terminal
'''
计算target_q_values
'''
def compute_target_q_values(self, reward_batch, q_values_batch, minibatch):
target_q_values =
for i in range(len(minibatch)):
if minibatch[i][4]:
target_q_values.append(reward_batch[i])
else:
target_q_values.append(reward_batch[i] + self.gamma * np.max(q_values_batch[i]))
return target_q_values

然后定义整体的类变量DQN,分别定义初始化和训练函数,其中网络层哪里主要就是神经网络层的调用。然后在训练函数里面记录当前动作和数据加载入优化器中达到模型训练效果。

其中代码如下:

def __init__(self, options):
self.options = options
self.num_action = options['num_action']
self.lr = options['lr']
self.modelDir = options['modelDir']
self.init_prob = options['init_prob']
self.end_prob = options['end_prob']
self.OBSERVE = options['OBSERVE']
self.EXPLORE = options['EXPLORE']
self.action_interval = options['action_interval']
self.REPLAY_MEMORY = options['REPLAY_MEMORY']
self.gamma = options['gamma']
self.batch_size = options['batch_size']
self.save_interval = options['save_interval']
self.logfile = options['logfile']
self.is_train = options['is_train']
'''
训练网络
'''
def train(self, session):
x, q_values_ph = self.create_network
action_now_ph = tf.placeholder('float', [None, self.num_action])
target_q_values_ph = tf.placeholder('float', [None])
# 计算loss
loss = self.compute_loss(q_values_ph, action_now_ph, target_q_values_ph)
# 优化目标
trainStep = tf.train.AdamOptimizer(self.lr).minimize(loss)
# 游戏
gameState = PongGame
# 用于记录数据
dataDeque = deque
# 当前的动作
action_now = np.zeros(self.num_action)
action_now[0] = 1
# 初始化游戏状态
x_now, reward, terminal = gameState.update_frame(action_now)
x_now = cv2.cvtColor(cv2.resize(x_now, (80, 80)), cv2.COLOR_BGR2GRAY)
_, x_now = cv2.threshold(x_now, 127, 255, cv2.THRESH_BINARY)
scene_now = np.stack((x_now, )*4, axis=2)
# 读取和保存checkpoint
saver = tf.train.Saver
session.run(tf.global_variables_initializer)
checkpoint = tf.train.get_checkpoint_state(self.modelDir)
if checkpoint and checkpoint.model_checkpoint_path:
saver.restore(session, checkpoint.model_checkpoint_path)
print('[INFO]: Load %s successfully...' % checkpoint.model_checkpoint_path)
else:
print('[INFO]: No weights found, start to train a new model...')
prob = self.init_prob
num_frame = 0
logF = open(self.logfile, 'a')
while True:
q_values = q_values_ph.eval(feed_dict={x: [scene_now]})
action_idx = get_action_idx(q_values=q_values,
prob=prob,
num_frame=num_frame,
OBSERVE=self.OBSERVE,
num_action=self.num_action)
action_now = np.zeros(self.num_action)
action_now[action_idx] = 1
prob = down_prob(prob=prob,
num_frame=num_frame,
OBSERVE=self.OBSERVE,
EXPLORE=self.EXPLORE,
init_prob=self.init_prob,
end_prob=self.end_prob)
for _ in range(self.action_interval):
scene_next, reward, terminal = self.next_frame(action_now=action_now,
scene_now=scene_now, gameState=gameState)
scene_now = scene_next
dataDeque.append((scene_now, action_now, reward, scene_next, terminal))
if len(dataDeque) > self.REPLAY_MEMORY:
dataDeque.popleft
loss_now = None
if (num_frame > self.OBSERVE):
minibatch = random.sample(dataDeque, self.batch_size)
scene_now_batch = [mb[0] for mb in minibatch]
action_batch = [mb[1] for mb in minibatch]
reward_batch = [mb[2] for mb in minibatch]
scene_next_batch = [mb[3] for mb in minibatch]
q_values_batch = q_values_ph.eval(feed_dict={x: scene_next_batch})
target_q_values = self.compute_target_q_values(reward_batch, q_values_batch, minibatch)
trainStep.run(feed_dict={
target_q_values_ph: target_q_values,
action_now_ph: action_batch,
x: scene_now_batch
})
loss_now = session.run(loss, feed_dict={
target_q_values_ph: target_q_values,
action_now_ph: action_batch,
x: scene_now_batch
})
num_frame += 1
if num_frame % self.save_interval == 0:
name = 'DQN_Pong'
saver.save(session, os.path.join(self.modelDir, name), global_step=num_frame)
log_content = '<Frame>: %s, <Prob>: %s, <Action>: %s, <Reward>: %s, <Q_max>: %s, <Loss>: %s' % (str(num_frame), str(prob), str(action_idx), str(reward), str(np.max(q_values)), str(loss_now))
logF.write(log_content + 'n')
print(log_content)
logF.close
'''
创建网络
'''
def create_network(self):
'''
W_conv1 = self.init_weight_variable([9, 9, 4, 16])
b_conv1 = self.init_bias_variable([16])
W_conv2 = self.init_weight_variable([7, 7, 16, 32])
b_conv2 = self.init_bias_variable([32])
W_conv3 = self.init_weight_variable([5, 5, 32, 32])
b_conv3 = self.init_bias_variable([32])
W_conv4 = self.init_weight_variable([5, 5, 32, 64])
b_conv4 = self.init_bias_variable([64])
W_conv5 = self.init_weight_variable([3, 3, 64, 64])
b_conv5 = self.init_bias_variable([64])
'''
W_conv1 = self.init_weight_variable([8, 8, 4, 32])
b_conv1 = self.init_bias_variable([32])
W_conv2 = self.init_weight_variable([4, 4, 32, 64])
b_conv2 = self.init_bias_variable([64])
W_conv3 = self.init_weight_variable([3, 3, 64, 64])
b_conv3 = self.init_bias_variable([64])
# 5 * 5 * 64 = 1600
W_fc1 = self.init_weight_variable([1600, 512])
b_fc1 = self.init_bias_variable([512])
W_fc2 = self.init_weight_variable([512, self.num_action])
b_fc2 = self.init_bias_variable([self.num_action])
# input placeholder
x = tf.placeholder('float', [None, 80, 80, 4])
'''
conv1 = tf.nn.relu(tf.layers.batch_normalization(self.conv2D(x, W_conv1, 4) + b_conv1, training=self.is_train, momentum=0.9))
conv2 = tf.nn.relu(tf.layers.batch_normalization(self.conv2D(conv1, W_conv2, 2) + b_conv2, training=self.is_train, momentum=0.9))
conv3 = tf.nn.relu(tf.layers.batch_normalization(self.conv2D(conv2, W_conv3, 2) + b_conv3, training=self.is_train, momentum=0.9))
conv4 = tf.nn.relu(tf.layers.batch_normalization(self.conv2D(conv3, W_conv4, 1) + b_conv4, training=self.is_train, momentum=0.9))
conv5 = tf.nn.relu(tf.layers.batch_normalization(self.conv2D(conv4, W_conv5, 1) + b_conv5, training=self.is_train, momentum=0.9))
flatten = tf.reshape(conv5, [-1, 1600])
'''
conv1 = tf.nn.relu(self.conv2D(x, W_conv1, 4) + b_conv1)
pool1 = self.maxpool(conv1)
conv2 = tf.nn.relu(self.conv2D(pool1, W_conv2, 2) + b_conv2)
conv3 = tf.nn.relu(self.conv2D(conv2, W_conv3, 1) + b_conv3)
flatten = tf.reshape(conv3, [-1, 1600])
fc1 = tf.nn.relu(tf.layers.batch_normalization(tf.matmul(flatten, W_fc1) + b_fc1, training=self.is_train, momentum=0.9))
fc2 = tf.matmul(fc1, W_fc2) + b_fc2
return x, fc2

到这里,我们整体的程序就搭建完成,下面为我们程序的运行结果:

Python 还能实现哪些 AI 游戏?附上代码一起来一把

源码地址:

https://pan.baidu.com/s/1ksvjIiQ0BfXOah4PIE1arg

提取码:p74p

作者简介:

李秋键,CSDN博客专家,CSDN达人课作者。硕士在读于中国矿业大学,开发有taptap竞赛获奖等等。



Tags:Python AI 游戏   点击:()  评论:()
声明:本站部分内容及图片来自互联网,转载是出于传递更多信息之目的,内容观点仅代表作者本人,如有任何标注错误或版权侵犯请与我们联系(Email:2595517585@qq.com),我们将及时更正、删除,谢谢。
▌相关推荐
作者 | 李秋键责编 | Carol头图 | CSDN 付费下载自视觉中国人工智能作为当前热门在我们生活中得到了广泛应用,尤其是在智能游戏方面,有的已经达到了可以和职业选手匹敌的效果...【详细内容】
2020-06-18  Tags: Python AI 游戏  点击:(27)  评论:(0)  加入收藏
▌简易百科推荐
大家好,我是菜鸟哥,今天跟大家一起聊一下Python4的话题! 从2020年的1月1号开始,Python官方正式的停止了对于Python2的维护。Python也正式的进入了Python3的时代。而随着时间的...【详细内容】
2021-12-28  菜鸟学python    Tags:Python4   点击:(1)  评论:(0)  加入收藏
学习Python的初衷是因为它的实践的便捷性,几乎计算机上能完成的各种操作都能在Python上找到解决途径。平时工作需要在线学习。而在线学习的复杂性经常让人抓狂。费时费力且效...【详细内容】
2021-12-28  风度翩翩的Python    Tags:Python   点击:(1)  评论:(0)  加入收藏
Python 是一个很棒的语言。它是世界上发展最快的编程语言之一。它一次又一次地证明了在开发人员职位中和跨行业的数据科学职位中的实用性。整个 Python 及其库的生态系统使...【详细内容】
2021-12-27  IT资料库    Tags:Python 库   点击:(2)  评论:(0)  加入收藏
菜单驱动程序简介菜单驱动程序是通过显示选项列表从用户那里获取输入并允许用户从选项列表中选择输入的程序。菜单驱动程序的一个简单示例是 ATM(自动取款机)。在交易的情况下...【详细内容】
2021-12-27  子冉爱python    Tags:Python   点击:(4)  评论:(0)  加入收藏
有不少同学学完Python后仍然很难将其灵活运用。我整理15个Python入门的小程序。在实践中应用Python会有事半功倍的效果。01 实现二元二次函数实现数学里的二元二次函数:f(x,...【详细内容】
2021-12-22  程序汪小成    Tags:Python入门   点击:(32)  评论:(0)  加入收藏
Verilog是由一个个module组成的,下面是其中一个module在网表中的样子,我只需要提取module名字、实例化关系。module rst_filter ( ...); 端口声明... wire定义......【详细内容】
2021-12-22  编程啊青    Tags:Verilog   点击:(8)  评论:(0)  加入收藏
运行环境 如何从 MP4 视频中提取帧 将帧变成 GIF 创建 MP4 到 GIF GUI ...【详细内容】
2021-12-22  修道猿    Tags:Python   点击:(6)  评论:(0)  加入收藏
面向对象:Object Oriented Programming,简称OOP,即面向对象程序设计。类(Class)和对象(Object)类是用来描述具有相同属性和方法对象的集合。对象是类的具体实例。比如,学生都有...【详细内容】
2021-12-22  我头秃了    Tags:python   点击:(9)  评论:(0)  加入收藏
所谓内置函数,就是Python提供的, 可以直接拿来直接用的函数,比如大家熟悉的print,range、input等,也有不是很熟,但是很重要的,如enumerate、zip、join等,Python内置的这些函数非常...【详细内容】
2021-12-21  程序员小新ds    Tags:python初   点击:(5)  评论:(0)  加入收藏
Hi,大家好。我们在接口自动化测试项目中,有时候需要一些加密。今天给大伙介绍Python实现各种 加密 ,接口加解密再也不愁。目录一、项目加解密需求分析六、Python加密库PyCrypto...【详细内容】
2021-12-21  Python可乐    Tags:Python   点击:(8)  评论:(0)  加入收藏
最新更新
栏目热门
栏目头条