[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-vietnh1009--Super-mario-bros-PPO-pytorch":3,"tool-vietnh1009--Super-mario-bros-PPO-pytorch":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",140436,2,"2026-04-05T23:32:43",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":80,"owner_location":81,"owner_email":82,"owner_twitter":82,"owner_website":82,"owner_url":83,"languages":84,"stars":93,"forks":94,"last_commit_at":49,"license":95,"difficulty_score":10,"env_os":96,"env_gpu":97,"env_ram":98,"env_deps":99,"category_tags":105,"github_topics":106,"view_count":23,"oss_zip_url":82,"oss_zip_packed_at":82,"status":16,"created_at":120,"updated_at":121,"faqs":122,"releases":153},4073,"vietnh1009\u002FSuper-mario-bros-PPO-pytorch","Super-mario-bros-PPO-pytorch","Proximal Policy Optimization (PPO) algorithm for Super Mario Bros","Super-mario-bros-PPO-pytorch 是一个基于 PyTorch 框架的开源项目，旨在利用近端策略优化（PPO）算法训练智能体自动游玩经典游戏《超级马里奥兄弟》。该项目主要解决了传统强化学习算法（如作者此前使用的 A3C）在复杂关卡中表现受限的问题，成功将通关率从 19\u002F32 大幅提升至 31\u002F32，展现了卓越的决策能力。\n\nPPO 算法由 OpenAI 提出，曾用于训练击败人类世界冠军的 Dota 2 AI，其核心优势在于训练过程更加稳定且易于调优。本项目的独特亮点在于提供了完整的训练与测试代码，并分享了关键的经验技巧：通过灵活调整学习率（如在困难关卡使用 7e-5），即可显著突破性能瓶颈，无需复杂的架构修改。此外，项目还附带 Docker 配置，方便用户快速部署环境。\n\n这款工具非常适合对强化学习感兴趣的开发者、研究人员以及高校学生使用。它不仅是一个高性能的游戏 AI 示例，更是学习 PPO 算法原理、掌握深度强化学习实战技巧的优质教材。如果你希望探索如何让机器在复杂环境中通过试错不断进化，Super-mario-bros-PPO-pytorch 将是一个极佳的","Super-mario-bros-PPO-pytorch 是一个基于 PyTorch 框架的开源项目，旨在利用近端策略优化（PPO）算法训练智能体自动游玩经典游戏《超级马里奥兄弟》。该项目主要解决了传统强化学习算法（如作者此前使用的 A3C）在复杂关卡中表现受限的问题，成功将通关率从 19\u002F32 大幅提升至 31\u002F32，展现了卓越的决策能力。\n\nPPO 算法由 OpenAI 提出，曾用于训练击败人类世界冠军的 Dota 2 AI，其核心优势在于训练过程更加稳定且易于调优。本项目的独特亮点在于提供了完整的训练与测试代码，并分享了关键的经验技巧：通过灵活调整学习率（如在困难关卡使用 7e-5），即可显著突破性能瓶颈，无需复杂的架构修改。此外，项目还附带 Docker 配置，方便用户快速部署环境。\n\n这款工具非常适合对强化学习感兴趣的开发者、研究人员以及高校学生使用。它不仅是一个高性能的游戏 AI 示例，更是学习 PPO 算法原理、掌握深度强化学习实战技巧的优质教材。如果你希望探索如何让机器在复杂环境中通过试错不断进化，Super-mario-bros-PPO-pytorch 将是一个极佳的起点。","# [PYTORCH] Proximal Policy Optimization (PPO) for playing Super Mario Bros\n\n## Introduction\n\nHere is my python source code for training an agent to play super mario bros. By using Proximal Policy Optimization (PPO) algorithm introduced in the paper **Proximal Policy Optimization Algorithms** [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F1707.06347).\n\nTalking about performance, my PPO-trained agent could complete 31\u002F32 levels, which is much better than what I expected at the beginning. \n\nFor your information, PPO is the algorithm proposed by OpenAI and used for training OpenAI Five, which is the first AI to beat the world champions in an esports game. Specifically, The OpenAI Five dispatched a team of casters and ex-pros with MMR rankings in the 99.95th percentile of Dota 2 players in August 2018.\n\n\u003Cp align=\"left\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_3b48af5ea098.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_ccef0b13a308.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_c259868b5196.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_afbe43fbda57.gif\" width=\"200\">\u003Cbr\u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_d007c530105e.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_607353bbe68f.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_132153ee3670.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_6507c6621d6e.gif\" width=\"200\">\u003Cbr\u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_d33798c3611a.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_9731c7e8d894.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_d26a3cb578c5.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_4d789b22a67a.gif\" width=\"200\">\u003Cbr\u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_6555f93d0b63.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_24999bf3e00f.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_5e92f769e39a.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_2b12250c9bcd.gif\" width=\"200\">\u003Cbr\u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_2099008904d2.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_65176fb7ce26.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_33a686841d71.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_74d4672dc958.gif\" width=\"200\">\u003Cbr\u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_d0c246ddbc2e.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_f7d30c231b44.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_1b44c590a360.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_386ec6a004c0.gif\" width=\"200\">\u003Cbr\u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_2f82d1e7b5d6.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_865e667c7def.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_61b3d1706541.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_e1a7f87edf17.gif\" width=\"200\">\u003Cbr\u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_1b54b9abc1dc.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_89a1e0e418c7.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_cb33086e6d8e.gif\" width=\"200\">\u003Cbr\u002F>\n  \u003Ci>Sample results\u003C\u002Fi>\n\u003C\u002Fp>\n\n## Motivation\n\nIt has been a while since I have released my A3C implementation ([A3C code](https:\u002F\u002Fgithub.com\u002Fuvipen\u002FSuper-mario-bros-A3C-pytorch)) for training an agent to play super mario bros. Although the trained agent could complete levels quite fast and quite well (at least faster and better than I played :sweat_smile:), it still did not totally satisfy me. The main reason is, agent trained with A3C could only complete 19\u002F32 levels, no matter how much I fine-tuned and tested. It motivated me to look for a new approach.\n\nBefore I decided to choose PPO as my next complete implementation, I had partially implemented a couple of other algorithms, including A2C and Rainbow. While the former did not show a big jump in performance, the latter is more suitable for more randomized environments\u002Fgames, like ping-pong or space invaders.\n\n\n## How to use my code\n\nWith my code, you can:\n\n* **Train your model** by running `python train.py`. For example: `python train.py --world 5 --stage 2 --lr 1e-4`\n* **Test your trained model** by running `python test.py`. For example: `python test.py --world 5 --stage 2`\n\n**Note**: If you got stuck at any level, try training again with different **learning rates**. You could conquer 31\u002F32 levels like what I did, by changing only **learning rate**. Normally I set **learning rate** as **1e-3**, **1e-4** or **1e-5**. However, there are some difficult levels, including level **1-3**, in which I finally trained successfully with **learning rate** of **7e-5** after failed for 70 times.\n\n## Docker\n\nFor being convenient, I provide Dockerfile which could be used for running training as well as test phases\n\nAssume that docker image's name is ppo. You only want to use the first gpu. You already clone this repository and cd into it.\n\nBuild:\n\n`sudo docker build --network=host -t ppo .`\n\nRun:\n\n`docker run --runtime=nvidia -it --rm --volume=\"$PWD\"\u002F..\u002FSuper-mario-bros-PPO-pytorch:\u002FSuper-mario-bros-PPO-pytorch --gpus device=0 ppo`\n\nThen inside docker container, you could simply run **train.py** or **test.py** scripts as mentioned above.\n\n**Note**: There is a bug for rendering when using docker. Therefore, when you train or test by using docker, please comment line `env.render()` on script **src\u002Fprocess.py** for training or **test.py** for test. Then, you will not be able to see the window pop up for visualization anymore. But it is not a big problem, since the training process will still run, and the test process will end up with an output mp4 file for visualization\n\n## Why there is still level 8-4 missing?\n\nIn world 4-4, 7-4 and 8-4, map consists of puzzles where the player must choose the correct the path in order to move forward. If you choose a wrong path, you have to go through path you visited again. With some hardcore setting for the environment, the first 2 levels are solved. But the last level has not been solved yet.\n","# [PYTORCH] 基于近端策略优化（PPO）的超级马里奥兄弟游戏智能体\n\n## 引言\n\n以下是用于训练智能体玩超级马里奥兄弟游戏的 Python 源代码。该代码使用了论文 **Proximal Policy Optimization Algorithms** 中提出的近端策略优化（PPO）算法，[论文链接](https:\u002F\u002Farxiv.org\u002Fabs\u002F1707.06347)。\n\n在性能方面，我用 PPO 训练的智能体能够通关 31 个关卡中的 32 个，这远远超出了我最初的预期。\n\n值得一提的是，PPO 是由 OpenAI 提出的算法，并被用于训练 OpenAI Five，这是首个在电子竞技游戏中击败世界冠军的人工智能团队。具体来说，OpenAI Five 在 2018 年 8 月击败了一支由解说员和前职业选手组成的队伍，这些选手的 Dota 2 MMR 排名位于玩家群体的 99.95 百分位。\n\n\u003Cp align=\"left\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_3b48af5ea098.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_ccef0b13a308.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_c259868b5196.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_afbe43fbda57.gif\" width=\"200\">\u003Cbr\u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_d007c530105e.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_607353bbe68f.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_132153ee3670.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_6507c6621d6e.gif\" width=\"200\">\u003Cbr\u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_d33798c3611a.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_9731c7e8d894.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_d26a3cb578c5.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_4d789b22a67a.gif\" width=\"200\">\u003Cbr\u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_6555f93d0b63.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_24999bf3e00f.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_5e92f769e39a.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_2b12250c9bcd.gif\" width=\"200\">\u003Cbr\u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_2099008904d2.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_65176fb7ce26.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_33a686841d71.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_74d4672dc958.gif\" width=\"200\">\u003Cbr\u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_d0c246ddbc2e.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_f7d30c231b44.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_1b44c590a360.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_386ec6a004c0.gif\" width=\"200\">\u003Cbr\u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_2f82d1e7b5d6.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_865e667c7def.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_61b3d1706541.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_e1a7f87edf17.gif\" width=\"200\">\u003Cbr\u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_1b54b9abc1dc.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_89a1e0e418c7.gif\" width=\"200\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_readme_cb33086e6d8e.gif\" width=\"200\">\u003Cbr\u002F>\n  \u003Ci>示例结果\u003C\u002Fi>\n\u003C\u002Fp>\n\n## 动机\n\n自从我发布了 A3C 实现代码（[A3C 代码](https:\u002F\u002Fgithub.com\u002Fuvipen\u002FSuper-mario-bros-A3C-pytorch)）来训练智能体玩超级马里奥兄弟以来，已经有一段时间了。尽管训练好的智能体能够相当快速且出色地通关各个关卡（至少比我玩得快、玩得好 :sweat_smile:），但它仍然未能完全让我满意。主要原因在于，无论我如何调整参数和测试，用 A3C 训练的智能体最多只能通关 19 个关卡中的 32 个。这促使我寻找新的方法。\n\n在我决定选择 PPO 作为下一个完整实现之前，我还部分实现了其他几种算法，包括 A2C 和 Rainbow。然而，前者在性能上并没有显著提升，而后者更适合那些具有较高随机性的环境或游戏，比如乒乓球或太空侵略者。\n\n## 如何使用我的代码\n\n通过我的代码，你可以：\n\n* **训练你的模型**：运行 `python train.py`。例如：`python train.py --world 5 --stage 2 --lr 1e-4`\n* **测试你训练好的模型**：运行 `python test.py`。例如：`python test.py --world 5 --stage 2`\n\n**注意**：如果你在某个关卡上卡住了，可以尝试使用不同的**学习率**重新训练。就像我一样，只需调整**学习率**，就能成功通关 31 个关卡中的 32 个。通常我会将**学习率**设置为 **1e-3**、**1e-4** 或 **1e-5**。不过，有些关卡确实非常困难，比如 **1-3** 关卡，我在失败了 70 次之后，最终才以 **7e-5** 的学习率成功通关。\n\n## Docker 使用说明\n\n为了方便起见，我提供了一个 Dockerfile，可用于运行训练和测试阶段。\n\n假设 Docker 镜像名为 ppo，你只想使用第一块 GPU，并且已经克隆了这个仓库并进入其中。\n\n构建镜像：\n\n`sudo docker build --network=host -t ppo .`\n\n运行容器：\n\n`docker run --runtime=nvidia -it --rm --volume=\"$PWD\"\u002F..\u002FSuper-mario-bros-PPO-pytorch:\u002FSuper-mario-bros-PPO-pytorch --gpus device=0 ppo`\n\n然后在容器内，你可以按照上述方式运行 **train.py** 或 **test.py** 脚本。\n\n**注意**：使用 Docker 时存在渲染方面的 bug。因此，在使用 Docker 进行训练或测试时，请注释掉训练脚本 **src\u002Fprocess.py** 或测试脚本 **test.py** 中的 `env.render()` 行。这样虽然无法再看到可视化窗口弹出，但这并不影响训练过程的进行，测试结束后也会生成一个用于可视化的 MP4 文件。\n\n## 为什么 8-4 关卡仍未通关？\n\n在世界 4-4、7-4 和 8-4 关卡中，地图设计了许多谜题，玩家必须选择正确的路径才能继续前进。如果选错了路径，就必须重新走一遍已经经过的路线。由于环境设置较为严苛，前两个关卡已经被成功解决，但最后一个关卡目前仍未通关。","# Super-mario-bros-PPO-pytorch 快速上手指南\n\n本项目基于 PyTorch 实现了近端策略优化（PPO）算法，用于训练智能体游玩《超级马里奥兄弟》。该模型表现优异，可通关 32 个关卡中的 31 个。\n\n## 环境准备\n\n*   **操作系统**: Linux (推荐) 或 macOS。Windows 用户建议使用 WSL2 或 Docker。\n*   **硬件要求**: 推荐使用 NVIDIA GPU 以加速训练（支持 CUDA）。\n*   **前置依赖**:\n    *   Python 3.6+\n    *   PyTorch\n    *   Gym (含 `gym-super-mario-bros` 插件)\n    *   Docker (可选，用于容器化运行)\n\n> **国内加速建议**：安装 Python 依赖时，建议使用清华或阿里镜像源以提升下载速度。\n> 例如：`pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`\n\n## 安装步骤\n\n### 方式一：本地直接安装\n\n1.  **克隆项目代码**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fuvipen\u002FSuper-mario-bros-PPO-pytorch.git\n    cd Super-mario-bros-PPO-pytorch\n    ```\n\n2.  **安装依赖**\n    确保已安装 PyTorch（请参考 [PyTorch 官网](https:\u002F\u002Fpytorch.org\u002F) 获取适合你环境的安装命令），然后安装其他依赖：\n    ```bash\n    pip install -r requirements.txt\n    ```\n    *注：若 `requirements.txt` 未包含 `gym-super-mario-bros`，请手动安装：*\n    ```bash\n    pip install gym-super-mario-bros\n    ```\n\n### 方式二：使用 Docker（推荐）\n\n如果你希望避免环境配置冲突，可以使用提供的 Dockerfile。\n\n1.  **构建镜像**\n    ```bash\n    sudo docker build --network=host -t ppo .\n    ```\n\n2.  **运行容器**\n    以下命令挂载当前目录并启用第一个 GPU：\n    ```bash\n    docker run --runtime=nvidia -it --rm --volume=\"$PWD\"\u002F..\u002FSuper-mario-bros-PPO-pytorch:\u002FSuper-mario-bros-PPO-pytorch --gpus device=0 ppo\n    ```\n    *注意：在 Docker 中运行时，由于渲染 bug，需在脚本中注释掉 `env.render()` 行（训练时在 `src\u002Fprocess.py`，测试时在 `test.py`）。此时无法弹出可视化窗口，但训练正常进行，测试会生成 MP4 视频文件。*\n\n## 基本使用\n\n### 1. 训练模型\n\n运行 `train.py` 开始训练。你需要指定世界（world）、关卡（stage）和学习率（lr）。\n\n**示例命令**：训练第 5 世界第 2 关，学习率设为 1e-4\n```bash\npython train.py --world 5 --stage 2 --lr 1e-4\n```\n\n> **调优提示**：如果智能体卡在某一关无法通过，尝试调整 **学习率 (learning rate)**。作者常用的学习率为 `1e-3`, `1e-4`, 或 `1e-5`。对于高难度关卡（如 1-3），可能需要更精细的值（如 `7e-5`）。\n\n### 2. 测试模型\n\n训练完成后，运行 `test.py` 验证模型效果。\n\n**示例命令**：测试第 5 世界第 2 关的模型\n```bash\npython test.py --world 5 --stage 2\n```\n\n测试结束后，若未开启实时渲染（如在 Docker 中），将在输出目录生成可视化的 MP4 文件。","某高校强化学习实验室的研究团队正致力于复现经典游戏 AI 算法，并试图突破现有模型在复杂关卡中的通过率瓶颈。\n\n### 没有 Super-mario-bros-PPO-pytorch 时\n- **通关上限低**：团队此前使用的 A3C 算法经过大量微调，智能体最多只能通关 19\u002F32 个关卡，难以应对后期高难度地形。\n- **调优盲目低效**：缺乏成熟的超参数参考，研究人员需反复试错，尤其在面对如 1-3 这类“卡关”层级时，往往失败数十次仍无进展。\n- **环境适配性差**：尝试过的其他算法（如 Rainbow）更适用于随机性强的游戏，在超级马里奥这种需要精确操作的平台跳跃游戏中表现平平。\n- **部署门槛高**：从零搭建训练环境耗时费力，缺乏标准化的 Docker 支持，导致不同成员间的实验结果难以复现和对比。\n\n### 使用 Super-mario-bros-PPO-pytorch 后\n- **性能显著跃升**：基于 PPO 算法训练的代理成功通关 31\u002F32 个关卡，性能远超预期，接近人类顶尖玩家水平。\n- **调参策略清晰**：项目明确了学习率（如 7e-5）对特定难关的关键作用，让团队能快速定位问题，避免无效迭代。\n- **算法匹配精准**：直接复用 OpenAI 验证过的 PPO 架构，完美契合马里奥游戏的决策逻辑，无需再花费时间筛选不适用的算法。\n- **开箱即用便捷**：利用提供的 Dockerfile 和标准化脚本（train.py\u002Ftest.py），团队成员可一键启动训练与测试，大幅降低环境配置成本。\n\nSuper-mario-bros-PPO-pytorch 不仅将游戏 AI 的通关率提升至新高度，更为研究者提供了一套高效、可复现的强化学习基准方案。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvietnh1009_Super-mario-bros-PPO-pytorch_3b48af5e.gif","vietnh1009","Viet Nguyen","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fvietnh1009_265c45cc.jpg","Senior AI engineer at Sporttotal","SPORTTOTAL.TV","Berlin, Germany",null,"https:\u002F\u002Fgithub.com\u002Fvietnh1009",[85,89],{"name":86,"color":87,"percentage":88},"Python","#3572A5",98.2,{"name":90,"color":91,"percentage":92},"Dockerfile","#384d54",1.8,1276,236,"MIT","Linux","训练阶段需要 NVIDIA GPU (Docker 运行参数指定 --gpus device=0)，具体型号和显存未说明；测试\u002F推理阶段未强制要求 GPU","未说明",{"notes":100,"python":98,"dependencies":101},"1. 提供 Dockerfile 以便在容器中运行训练和测试，但 Docker 环境下存在渲染 bug，需注释掉代码中的 env.render() 行，此时无法实时可视化窗口，但训练仍可进行，测试会生成 mp4 视频文件。\n2. 模型性能对学习率非常敏感，若卡在特定关卡（如 1-3），需尝试调整学习率（推荐尝试 1e-3, 1e-4, 1e-5 或 7e-5）。\n3. 目前算法无法通关第 8-4 关，因该关卡包含需要选择正确路径的谜题机制。",[102,103,104],"pytorch","docker (可选，用于容器化运行)","gym-super-mario-bros (隐含依赖，用于游戏环境)",[15,13,14],[107,108,109,102,110,111,112,113,114,115,116,117,118,119],"reinforcement-learning","ppo","ppo2","gym","python3","python","deep-learning","super-mario-bros","mario","ai","proximal-policy-optimization","openai","openai-gym","2026-03-27T02:49:30.150509","2026-04-06T09:27:30.664797",[123,128,133,138,143,148],{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},18550,"运行测试代码时出现 'ModuleNotFoundError: No module named gym_super_mario_bros' 错误，如何解决？","需要安装缺失的依赖库。请运行命令：pip install gym-super-mario-bros。此外，根据系统不同可能还需要安装 ffmpeg：Ubuntu 用户运行 'sudo apt-get install ffmpeg'，Anaconda 用户运行 'conda install ffmpeg'。","https:\u002F\u002Fgithub.com\u002Fvietnh1009\u002FSuper-mario-bros-PPO-pytorch\u002Fissues\u002F1",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},18551,"在 Windows 上运行训练脚本时遇到 'OSError: handle is closed' 或多进程相关错误怎么办？","该项目主要在 Ubuntu 上开发和测试，维护者未在 Windows 上验证过。遇到此类多进程（multiprocessing）错误时，建议切换到 Ubuntu 环境运行。维护者表示：'我在 Ubuntu 上完成的项目，从未在 Windows 上运行过，你能尝试在 Ubuntu 上运行吗？'","https:\u002F\u002Fgithub.com\u002Fvietnh1009\u002FSuper-mario-bros-PPO-pytorch\u002Fissues\u002F7",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},18552,"如何正确安装 'gym_super_mario_bros' 库以解决导入错误？","请访问 PyPI 页面查看安装说明：https:\u002F\u002Fpypi.org\u002Fproject\u002Fgym-super-mario-bros\u002F。建议仔细阅读 README 文件以安装所有必要的库，或者直接使用该项目提供的 Docker 镜像来避免环境配置问题。","https:\u002F\u002Fgithub.com\u002Fvietnh1009\u002FSuper-mario-bros-PPO-pytorch\u002Fissues\u002F3",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},18553,"从头开始训练模型（例如世界 1-1），大约需要多少次更新才能达到示例中的效果？","根据社区用户的经验，模型大约在 900 次 episode 更新（episode update）后能够完成该关卡。","https:\u002F\u002Fgithub.com\u002Fvietnh1009\u002FSuper-mario-bros-PPO-pytorch\u002Fissues\u002F11",{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},18554,"使用提供的预训练模型（trained_models）时代理无法通关或经常死亡，是模型失效了吗？","维护者确认预训练模型仍然有效且能正常工作。如果遇到无法通关的情况，请检查使用预训练模型的具体步骤和参数配置是否正确，可能是使用方法不当导致的问题。","https:\u002F\u002Fgithub.com\u002Fvietnh1009\u002FSuper-mario-bros-PPO-pytorch\u002Fissues\u002F8",{"id":149,"question_zh":150,"answer_zh":151,"source_url":152},18555,"是否有其他用户成功训练的模型可以分享或测试？","曾有用户使用 A3C 算法完成了 18\u002F32 个关卡的训练并分享了模型。虽然原链接可能已过期，但用户可以关注项目 README 的更新，维护者曾表示会将此类发现更新至文档中。如有需要，可尝试联系贡献者重新上传模型至网盘或云驱动。","https:\u002F\u002Fgithub.com\u002Fvietnh1009\u002FSuper-mario-bros-PPO-pytorch\u002Fissues\u002F2",[]]