Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/FengQuanLi/ResnetGPT

用Resnet101+GPT搭建一个玩王者荣耀的AI
https://github.com/FengQuanLi/ResnetGPT

Last synced: 3 months ago
JSON representation

用Resnet101+GPT搭建一个玩王者荣耀的AI

Awesome Lists containing this project

README 

        
# 基于pytorch框架用resnet101加GPT搭建AI玩王者荣耀

   本源码模型主要用了[SamLynnEvans Transformer](https://github.com/SamLynnEvans/Transformer) 的源码的解码部分。以及pytorch自带的预训练模型"resnet101-5d3b4d8f.pth"

# 注意！！！ 

本项目不再更新,由[用强化学习训练AI玩王者](https://github.com/FengQuanLi/WZCQ)代替。     



# 注意运行本代码需要注意以下几点 注意！！！！！

1、目前这个模型在用后裔100多局对战数据下训练出来后，对局表现出各种送人头之类的问题，以及代码本身各种不规范，请多原谅。  

2、本代码本来只是我试验模型能否玩王者荣耀，B站朋友强烈要求开源。仓促开源估计问题很多，请多原谅。  

三、运行环境win10；win7未测试，估计是可以。  需要一张6G或以上显存的英伟达显卡，虽然4G的1050ti勉强也可以。  

四、需要一台打开安卓调试并能玩王者荣耀的手机，虚拟机没有试过，理论上应该可行。  

五、需要下载[scrcpy](https://github.com/Genymobile/scrcpy/blob/master/README.zh-Hans.md)  的windows版本。 把所有文件解压到项目根目录即可（这是我的笨办法） 。  

位置如图  

![scrcpy](image/scrcpy.png)  

六、pyminitouch库运行时会自动安装minitouch。如果无法自动安装则需要手动安装[minitouch](https://github.com/openstf/minitouch) ，比较麻烦，如有困难请多多百度。  

还有，minitouch不支持Android10  

七、本人用的手机分辨率是1080*2160的，本代码并没有针对不同的手机做优化。不同的手机minitouch命令中所描述的位置会有差异，需要对代码做出相应调整，请务必注意。  

八、注意游戏的布局，务必要一样。布局可参考B站视频或者我上传的训练用截图。如图。  

![布局图](image/85.jpg)  

九、游戏更新以后可能会导致无法预料的后果，因此并不能保证此代码玩王者荣耀的长期有效性。  

我之后可能出视频教程，同时讲讲我的设计思路。部分地区截图不可见，可下载项目在pycharm下打开readme.md即可见。



# 运行与生成训练数据

需要的库  

torch  

torchvision    

pynput  

pyminitouch  

可能还有其它库



## 运行训练好的模型

如果前面的工作做好了就可以把模型跑起来了，这里声明这个经过训练的模型仅仅训练100多局，水平很低，青铜人机都未必能打过。  

一、首先下载模型 你可以从[google云盘](https://drive.google.com/file/d/1HaDIMeVNixbGWViuBqvZr6uicyAUiyYT/view?usp=sharing) 下载训练过的模型，也可以百度网盘下载  

链接：https://pan.baidu.com/s/1Bt7BXukDDCpc1aWFI2iKxg   

提取码：5c1k  

后放入weights文件夹下  

二、先运行 “启动和结束进程.py” 启动scrcpy

把“训练数据截取_A.py” 中的两项改成你的，_DEVICE_ID 是 adb devices后显示的那个id  

![启动和结束进程.py](image/说明.png)  

三、启动王者荣耀进入5v5人机对战    运行 “训练数据截取_A.py” 即可。

## 生成训练数据

运行 “训练数据截取_A.py” 时可以通过按键操控角色，这时就可以生成训练用的数据，如果没有操控则会生成一个空文件夹和空json文件。  

按"i"键则结束或则是重新运行  

按键'w' 's ' 'a' 'd'控制方向  左、下、右箭头对应是1、2、3技能，上箭头长按则攻击。其它按键请参考源码。   

每次获取训练图片最好不要超过5000张  



你也可以下载训练数据样本（只是样本，数据量不大，不能指望两局对战数据就有效果，我估计这个模型现有参数可以吃下上万场的对战数据）  

百度网盘

链接：https://pan.baidu.com/s/1Ak1sLcSRimMWRgagXGahTg 

提取码：t4k3   

[google云盘](https://drive.google.com/file/d/1plN4xDaGgdRGiy6LT4qHG9O7US2I7_oS/view?usp=sharing)  

解压后注意存放位置，请参考源码。

# 如何训练

一、数据预处理  

将图片用resnet101预处理后再和对应操作数据一起处理后用numpy数组储存备用。  

具体要做的就是运行 “处理训练数据5.py”   

二、训练  

预处理完成以后运行 “训练_B.py”即可。



# 游戏按键映射本地化

按键映射通过 './json/名称_操作.json' 文件完成，如前文所述，由[minitouch](https://github.com/openstf/minitouch)进行按压模拟。

1. 前期准备：



开启“开发者模式”，允许“USB调试”，允许“USB调试（安全设置）：允许通过USB调试修改权限或模拟点击”。后两项均在进入开发者选项后可以找到。



2. 按键可视化，按键轨迹监控：



开启“显示点按操作的视觉反馈”，开启“指针位置”。后者方便查看自己手机屏幕点按的像素点坐标信息，从而生成对应本地手机按键映射的.json文件。



3. 映射本地化计算说明：



![layout_description](image/layout_description.PNG)

此计算以手机充电口朝右握持为例，反向握持同理可推。样例手机分辨率1080x2160。

Android“指针位置”中显示的坐标信息以图中左上角红色原点所示，xy轴如图。此原点不论如何握持（充电口朝左或右），其始终保持在视野左上角，由重力感应判定。

minitouch坐标原点如图中左下角蓝色原点所示，此点为物理固定点，不随手机握持方向改变，反向握持此点在右上角。

另外注意两个坐标系xy轴方向不同。

在图中设定下，Android指针坐标(X,Y)对应minitouch坐标(1080-Y,X)：即在点按屏幕中某点时，安卓调试显示的(X,Y)在.json文件中的坐标应为(1080-Y,X)。



4. 本地映射文件生成：



'check_json.py'为调试和生成本地.json按键映射文件的脚本。重映射时请一一记录每个按键在自己手机中显示的“指针位置”，并按照上述计算方法换算为.json文件中需

要输入的坐标。此脚本会生成一个'./json/local_layout.json'文件，请在'处理训练数据5.py'中进行相应替换。

此外，'处理训练数据5.py'中：‘加一技能’，‘加二技能’，‘加三技能’，‘购买’变量也许进行同样处理。.json文件中指令含义请参照[minitouch](https://github.com/openstf/minitouch)。