YOLOX 用于鱼的定位和类型的识别以及鱼竿落点的定位;
DQN 用于自适应控制钓鱼过程的点击,让力度落在最佳区域内。
安装该项目是在 python 运行环境中使用的,需要先安装 python,这里推荐使用 anaconda。配置环境:打开 anaconda prompt(命令行界面),创建新的 python 环境并激活(推荐 python3.7 或以下版本):conda create -n ysfish python=3.6conda activate ysfish下载工程代码:使用 git 下载,或直接在 github 网页端下载后直接解压:git clone https://github.com/7eu7d7/genshin_auto_fish.git依赖库安装:切换命令行到本工程所在目录:cd genshin_auto_fish执行以下命令安装依赖:python -m pip install -U pippython requirements.py如果要使用显卡进行加速需要安装 CUDA 和 cudnn, 安装后无视上面的命令用下面这条安装 gpu 版:pip install -U pippython requirements.py --cuda [cuda 版本]# 例如安装的 CUDA11.xpython requirements.py --cuda 110安装 yolox:切换命令行到本工程所在目录,执行以下命令安装 yolox:python setup.py develop预训练权重下载:下载预训练权重 (.pth 文件),yolox_tiny.pth 下载后将权重文件放在 工程目录 / weights 下。YOLOX 训练工作流程:YOLOX 部分用半监督学习打标签。标注少量样本后训练模型生成其余样本伪标签再人工修正,不断迭代以提高精度。样本量较少所以使用迁移学习,在 COCO 预训练的模型上进行 fine-tuning。将 yolox/exp/yolox_tiny_fish.py 中的 self.data_dir 的值改为解压后 2 个文件夹所在的路径。训练代码:python yolox_tools/train.py -f yolox/exp/yolox_tiny_fish.py -d 1 -b 8 --fp16 -o -c weights/yoloxDQN 训练工作流程:控制力度使用强化学习模型 DQN 进行训练。两次进度的差值作为 reward 为模型提供学习方向。模型与环境间交互式学习。直接在原神内训练耗时较长,首先你需要制作一个仿真环境,大概模拟钓鱼力度控制操作。在仿真环境内预训练一个模型。随后将这一模型迁移至原神内,实现域间迁移。仿真环境预训练代码:python train_sim.py原神游戏内训练:python train.py运行以上准备就绪后,就可以运行钓鱼 AI,注意命令行窗口一定要以管理员权限启动。显卡加速:python fishing.py image -f yolox/exp/yolox_tiny_fish.py -c weights/best_tiny3.pth --conf 0.25 --nms 0.45 --tsize 640 --device gpucpu 运行:python fishing.py image -f yolox/exp/yolox_tiny_fish.py -c weights/best_tiny3.pth --conf 0.25 --nms 0.45 --tsize 640 --device cpu运行后出现 init ok 后按 r 键开始钓鱼,原神需要全屏。出于性能考虑检测框不会实时显示,处理运算后台进行。更多实现细节,读者可参考原项目。想要了解更多资讯,请扫描下方二维码,关注机器学习研究会
转自:机器之心
声明:本网页内容旨在传播知识,若有侵权等问题请及时与本网联系,我们将在第一时间删除处理。E-MAIL:704559159@qq.com