人工智能大报告（FlappyBird游戏AI训练）作业练习

环境配置

Pycharm 2020.1.5
Python3.8
CUDA（10.1）和cudnn(7.6.0)
需要安装的库有gym(0.18.3)、pygame(2.0.1)、tensorflow(2.2.0)、tensorflow-gpu(2.2.0)、Keras(2.4.3)上面的库可以通过在Pycharm终端运行”pip install gym 0.18.3”类似此方法即可

开始训练

运行main.py可以看到小鸟进行永无止境的训练，训练完一轮后就将其经验存入经验包，下图中是刚开始训练7轮后的经验包：

训练前6小时小鸟还无法经过第一根柱子，6小时后才开始经过第一条柱子，在main.py代码中下面一条语句修改成第一次的经验包：01即第一次的结果：

。

运行后可以看到小鸟会往上飞，然后撞上柱子而失败。

训练一共14小时左右之后，已经有训练了342轮了，所产生的如下的经验包：

然后修改测试用的main.py代码进行测试：

测试结果如下：

从上图中可以看到在训练多次后，AI能够达到人类几乎达不到的成绩，而且训练越久其成绩会越好。

文件解释：

game/control.py 控制小鸟的运动可以按键盘向上键进行控制，其优先级高于智能体（AI）。

game/element.py 构建FlappyBird 游戏配置GUI界面，使其可视化观看，主要是将其各类元素图片结合到一个画面中显示。

game/engine.py 应用pygame游戏引擎后端，运行游戏所需要的架构支持。

play.py 主要是游戏运行的，将游戏界面与游戏引擎结合起来，运行游戏，并能够通过键盘来控制小鸟，直接运行是人工玩游戏，而不是智能体。

Net.py 构建神经网络，对数据进行卷积、池化、卷积、卷积、全连接，输出out1、out2.

agent.py 产生训练时所需要的数据经验包，用于存储AI在游戏训练过程中的动作和激励状态等，将其读取或写入给智能体，然后智能体就能够应用这些经验来进行游戏了。

main.py 主要是训练游戏AI，将训练时的数据传给agent.py包，进行存储工作，可以中途停止，但是其训练的结果依然存储好的，下次运行修改刚开始读取的经验包即可。

test.py 主要用来查看训练的结果的，修改读取经验包的代码即可看到最新的训练结果。

常见的错误或警告

安装tensorflow遇到ImportError: Could not find 'cudart64_101dll'错误解决方法之一：需要安装CUDA（v10.1）版本。如果在下列目录

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1下搜索cudart64，看是否有cudart64_101.dll，如果是其他名字就改为此名字。如果成功后会返回：

解决Could not load dynamic library ‘cudnn64_7.dll‘； dlerror cudnn64_7.dll not found。在NVDIA官网下载cudnn(7.6.0)版本，需要注册登录NVDIA才能下载，下载后需要将cuda文件夹下的对应文件拷贝到下面对应三个的文件夹中即可。

运行成功后会出现如下结果：

FlappyBird项目：

项目文档目录：

视频演示：

人工智能（FlappyBird）+作业

资源下载链接：

人工智能大报告+作业练习.zip-机器学习文档类资源-CSDN下载