[PyTorch] 深度Q学习用于玩《Flappy Bird》

简介

这是我用于训练智能体玩《Flappy Bird》的Python源代码。它可以被视为强化学习应用的一个非常基础的示例。

结果

如何使用我的代码

通过我的代码，你可以：

• 从头开始训练模型，运行 python train.py
• 测试你训练好的模型，运行 python test.py

训练好的模型

你可以在 trained_models/flappy_bird 中找到我训练好的模型。

需求

• Python 3.6
• Pygame
• cv2
• PyTorch
• NumPy

Flappy-bird-deep-Q-learning-pytorch 快速上手指南

本指南帮助开发者快速搭建基于 PyTorch 的 Deep Q-Learning 环境，训练智能体玩 Flappy Bird 游戏。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：Linux / macOS / Windows
• Python 版本：Python 3.6+
• 核心依赖库：
  • pytorch (深度学习框架)
  • pygame (游戏引擎)
  • opencv-python (图像处理，对应原文 cv2)
  • numpy (数值计算)

安装步骤

1. 克隆项目代码

   git clone https://github.com/yenchenlin/Flappy-bird-deep-Q-learning-pytorch.git
   cd Flappy-bird-deep-Q-learning-pytorch
   

2. 安装 Python 依赖 建议先升级 pip 并使用国内镜像源加速安装：

   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pip
   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch torchvision
   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pygame opencv-python numpy
   

   注意：若需指定 GPU 版本的 PyTorch，请访问 PyTorch 官网 获取对应的安装命令。

基本使用

项目提供了两个核心脚本，分别用于模型训练和测试。

1. 从头开始训练模型

运行以下命令启动训练过程，智能体将通过强化学习不断试错并提升得分：

python train.py

2. 测试已训练的模型

如果您想直接查看预训练模型的效果，或测试自己训练好的模型，请运行：

python test.py

提示：默认情况下，测试脚本会加载 trained_models/flappy_bird 目录下的预训练权重。