หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

startcraft II ตัวอย่างการเรียนรู้การเสริมแรง

โปรแกรมตัวอย่างนี้ถูกสร้างขึ้น

  • PYSC2 (DeepMind) [https://github.com/deepmind/pysc2]
  • Baselines (openai) [https://github.com/openai/baselines]
  • S2Client-proto (Blizzard) [https://github.com/blizzard/s2client-proto]
  • tensorflow 1.3 (Google) [https://github.com/tensorflow/tensorflow]

ตัวอย่างปัจจุบัน

ขั้นต่ำ

  • CollectMineralshards พร้อมเครือข่าย Q

คู่มือเริ่มต้นด่วน

1. รับ pysc2

Pypi

วิธีที่ง่ายที่สุดในการรับ PYSC2 คือการใช้ PIP: 

$ pip install git+https://github.com/deepmind/pysc2

นอกจากนี้คุณต้องติดตั้งไลบรารี baselines 

$ pip install git+https://github.com/openai/baselines

2. ติดตั้ง Starcraft II

Mac / Win

คุณต้องซื้อ Starcraft II และติดตั้ง หรือแม้แต่รุ่นสตาร์ทเตอร์ก็ใช้ได้

http://us.battle.net/sc2/en/legacy-of-the-void/

แพ็คเกจ Linux

ติดตามเอกสารของ Blizzard เพื่อรับเวอร์ชัน Linux โดยค่าเริ่มต้น PYSC2 คาดว่าเกมจะอยู่ใน ~/StarCraftII/

  • 3.16.1

3. ดาวน์โหลดแผนที่

ดาวน์โหลดแผนที่บันไดและมินิเกมและแยกออกไปยัง StarcraftII/Maps/ Directory ของคุณ

4. ฝึกมัน! 

$ python train_mineral_shards.py --algorithm=a2c

5. สนุกกับมัน! 

$ python enjoy_mineral_shards.py

4-1. ฝึกด้วย dqn 

$ python train_mineral_shards.py --algorithm=deepq --prioritized=True --dueling=True --timesteps=2000000 --exploration_fraction=0.2

4-2. ฝึกด้วย A2C (A3C) 

$ python train_mineral_shards.py --algorithm=a2c --num_agents=2 --num_scripts=2 --timesteps=2000000
คำอธิบาย ค่าเริ่มต้น ประเภทพารามิเตอร์
แผนที่ สภาพแวดล้อมการออกกำลังกาย ของสะสม สาย
บันทึก ประเภทการบันทึก: tensorboard, stdout บอร์ดบอร์ด สาย
อัลกอริทึม ปัจจุบันสนับสนุน 2 อัลกอริทึม: DeepQ, A2C A2C สาย
การจับเวลา ขั้นตอนการฝึกอบรมทั้งหมด 2000000 int
Exploration_fraction เศษส่วนการสำรวจ 0.5 ลอย
ที่จัดลำดับความสำคัญ ไม่ว่าจะใช้การเล่นซ้ำลำดับความสำคัญสำหรับ DQN เท็จ บูลีน
การต่อสู้ ไม่ว่าจะใช้เครือข่ายการดวลสำหรับ DQN เท็จ บูลีน
LR อัตราการเรียนรู้ (ถ้า 0 ตั้งค่าสุ่ม E-5 ~ e-3) 0.0005 ลอย
num_agents จำนวนตัวแทนสำหรับ A2C 4 int
num_scripts จำนวนตัวแทนสคริปต์สำหรับ A2C 4 int
nsteps จำนวนขั้นตอนสำหรับนโยบายการอัปเดต 20 int
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด