DI sheep

DI-sheep: Aprendizaje por refuerzo profundo + La oveja hace una oveja

Cuando la perla de la tecnología de inteligencia artificial, el aprendizaje por refuerzo profundo, se encuentra con un juego con la llamada "tasa de eliminación de sólo el 0,01%", ¿qué tipo de ideas extrañas surgirán?

PD: Si pasas por aquí, recuerda hacer clic en una estrella para seguir actualizando.

PSS ¿Quieres saber más sobre el aprendizaje por refuerzo profundo? Ven a DI-engine para capacitar a tu propio agente.

Noticias

• [bilibili] ¿No puedes unirte al rebaño? ¡Entonces únete al grupo de gatos! Ha llegado la versión de aprendizaje por refuerzo profundo de la oveja.
• [WeChat] ¿Es todo difícil al principio? No es difícil para Meow DI jugar "la oveja hace la oveja"

Guía del usuario

Análisis de principios algorítmicos.

Comience rápidamente

• Si quieres probarlo online --> Página web online (en mejora)
• Si desea implementar/probar localmente
  • Servidor (Python)

     # 预先安装好 Python3
    cd service
    pip install -r requirement.txt
    FLASK_APP=app.py flask run  # 玩家试玩
    # FLASK_APP=agent_app.py flask run  # 玩家 + AI 试玩

  • Cliente (reaccionar)

     # 预先安装好 node.js 和 react
    cd ui
    npm run build
    npm run preview

    Luego abra el enlace correspondiente en la página web.
• Si quieres realizar un entrenamiento completo de aprendizaje por refuerzo profundo

   # 预先安装好 Python3
  cd service
  pip install -r requirement-train.txt
  python3 -u sheep_ppo_main.py

• Si desea utilizar el gimnasio definido, cree un entorno de ovejas --> haga clic en estrella y use directamente CTRL C+V para tomar service/sheep_env.py y modificarlo tanto como desee.
• Si desea obtener el modelo de aprendizaje por refuerzo profundo entrenado -> Visite el enlace de descarga del sitio web oficial de OpenDILab (actualmente se proporcionan dos modelos de prueba, pero el agente aún tiene mucho margen de mejora)
• Si desea obtener más información sobre el aprendizaje por refuerzo profundo --> Bienvenido a consultar DI-engine y documentos relacionados
• Si desea conocer el plan de actualización futuro --> consulte el plan de actualización
• Si tiene otras preguntas o ideas -> Bienvenido a discutir en el área PROBLEMA de github o contribuir con solicitudes de extracción

Estructura del proyecto

 .
├── LICENSE
├── ui                       --> react 网页前端
└── service                  --> Python 核心模块（算法和服务端）
    ├── app.py                  --> flask 服务 app (仅人类操作)
    ├── agent_app.py                  --> flask 服务 app（人类+AI操作）
    ├── requirement.txt         --> Python 依赖库列表
    ├── sheep_env.py            --> gym 格式环境
    ├── sheep_model.py          --> 基于 PyTorch 的 Actor-Critic 神经网络模型
    ├── sheep_ppo_main.py       --> 基于 DI-engine 的深度强化学习训练主函数
    ├── test_sheep_env.py       --> gym 格式环境的单元测试
    └── test_sheep_model.py     --> 神经网络模型的单元测试

Plan de actualización

algoritmo

• Ajuste de parámetros de entrenamiento de aprendizaje por refuerzo y ajuste de algoritmos
• Proporcionar pesos modelo para pruebas locales.
• Documentación detallada sobre el diseño de algoritmos de aprendizaje por refuerzo y redes neuronales
• RL basado en modelos y algoritmos de planificación
• Compresión de red neuronal (para implementación)

ambiente

• Agrega varios accesorios de juegos originales (como 3tiles)
• Cómo definir el número de capas de tarjetas.
• Combinado con JAX para optimizar la velocidad de ejecución del entorno.
• Más diseño de juego combinado con IA

solicitud

• Más temas personalizados y BGM
• Implementación en línea del lado web
• Descarga de peso de red neuronal de muestra
• Más análisis de comportamiento durante el entrenamiento de IA
• Aplicación móvil (los desarrolladores de Android/IOS pueden brindar soporte)

Expresiones de gratitud

• La referencia principal para la parte del front-end de reacción es https://github.com/StreakingMan/solvable-sheep-game. Apoye este repositorio.

Licencia

DI-sheep se publica bajo la licencia Apache 2.0.