[PYTORCH] 基于深度Q学习的俄罗斯方块游戏智能体

简介

以下是用于训练一个能够玩俄罗斯方块的游戏智能体的Python源代码。这可以被视为强化学习应用的一个非常基础的例子。

俄罗斯方块演示

该演示也可以在YouTube演示中找到。

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/tetris 中找到我训练好的模型。

需求

• Python 3.6
• PIL
• cv2
• PyTorch
• NumPy
• Matplotlib

Tetris-deep-Q-learning-pytorch 快速上手指南

本指南帮助中国开发者快速部署并运行基于 PyTorch 的俄罗斯方块深度 Q 学习（Deep Q-Learning）项目。

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)
  • numpy (数值计算)
  • PIL (图像处理，通常包含在 pillow 包中)
  • cv2 (OpenCV，计算机视觉库)
  • matplotlib (绘图库)

安装步骤

建议使用虚拟环境（如 venv 或 conda）以避免依赖冲突。

1. 克隆项目代码

   git clone <项目仓库地址>
   cd Tetris-deep-Q-learning-pytorch
   

2. 安装 Python 依赖

   为了获得更快的下载速度，推荐使用国内镜像源（如清华源）安装依赖：

   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

   注：如果项目中没有 requirements.txt 文件，请手动执行以下命令安装所需库：

   pip install torch numpy pillow opencv-python matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
   

基本使用

项目提供了训练和测试两个核心脚本，使用方法如下：

1. 从头训练模型

运行以下命令开始训练智能体玩俄罗斯方块：

python train.py

2. 测试已训练的模型

训练完成后（或使用提供的预训练模型），运行以下命令查看效果：

python test.py

提示：预训练好的模型文件位于 trained_models/tetris 目录下，可直接用于测试。