Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/IrisRainbowNeko/genshin_auto_fish
基于深度强化学习的原神自动钓鱼AI
https://github.com/IrisRainbowNeko/genshin_auto_fish
Last synced: about 2 months ago
JSON representation
基于深度强化学习的原神自动钓鱼AI
- Host: GitHub
- URL: https://github.com/IrisRainbowNeko/genshin_auto_fish
- Owner: IrisRainbowNeko
- Created: 2021-09-10T07:19:56.000Z (over 3 years ago)
- Default Branch: master
- Last Pushed: 2023-12-15T09:30:42.000Z (12 months ago)
- Last Synced: 2024-05-22T09:07:24.958Z (7 months ago)
- Language: Python
- Size: 200 KB
- Stars: 4,729
- Watchers: 26
- Forks: 725
- Open Issues: 123
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
- stars - IrisRainbowNeko/genshin_auto_fish
README
# Introduction
**现已支持不同分辨率屏幕**
原神自动钓鱼AI由[YOLOX](https://github.com/Megvii-BaseDetection/YOLOX), DQN两部分模型组成。使用迁移学习，半监督学习进行训练。
模型也包含一些使用opencv等传统数字图像处理方法实现的不可学习部分。
其中YOLOX用于鱼的定位和类型的识别以及鱼竿落点的定位。DQN用于自适应控制钓鱼过程的点击，让力度落在最佳区域内。
# 安装使用流程
安装python运行环境（解释器），推荐使用 [anaconda](https://www.anaconda.com/products/individual#Downloads).
## python环境配置
打开anaconda prompt(命令行界面)，创建新python环境并激活:
```shell
conda create -n ysfish python=3.8
conda activate ysfish
```
推荐安装**python3.8或以下**版本。
## 下载工程代码
使用git下载，[git安装教程](https://www.cnblogs.com/xiaoliu66/p/9404963.html):
```shell
git clone https://github.com/7eu7d7/genshin_auto_fish.git
```
或直接在**github网页端**下载后直接解压。
## 依赖库安装
切换命令行到本工程所在目录:
```shell
cd genshin_auto_fish
```
执行以下命令安装依赖:
```shell
python -m pip install -U pip
python requirements.py
```
如果要使用显卡进行加速需要 [安装CUDA和cudnn](https://zhuanlan.zhihu.com/p/94220564?utm_source=wechat_session&ivk_sa=1024320u) 安装后无视上面的命令用下面这条安装gpu版:
```shell
pip install -U pip
python requirements.py --cuda [cuda版本]
#例如安装的CUDA11.x
python requirements.py --cuda 111
#或者使用代理加速
python requirements.py --cuda 111 --proxy http://127.0.0.1:1080 # use proxy to speed up
```
可能会有Time out之类的报错，多试几遍，github太卡。
## 安装yolox
切换命令行到本工程所在目录，执行以下命令安装yolox:
```shell
python setup.py develop
```
## 预训练权重下载
- [`best_tiny3.pth`](https://github.com/7eu7d7/genshin_auto_fish/releases/download/weights/best_tiny3.pth)
- [`fish_genshin_net.pth`](https://github.com/7eu7d7/genshin_auto_fish/releases/download/weights/fish_genshin_net.pth)
- [`fish_sim_net.pth`](https://github.com/7eu7d7/genshin_auto_fish/releases/download/weights/fish_sim_net.pth)
- [`yolox_tiny.pth`](https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_tiny.pth)
下载后将权重文件放在 **工程目录/weights** 下
# 运行钓鱼AI
原神需要以1080x1920的分辨率运行，分辨率高的屏幕可以开窗口模式。
命令行窗口一定要以**管理员权限**启动
显卡加速
```shell
python fishing.py image -f yolox/exp/yolox_tiny_fish.py -c weights/best_tiny3.pth --conf 0.25 --nms 0.45 --tsize 640 --device gpu
```
cpu运行
```shell
python fishing.py image -f yolox/exp/yolox_tiny_fish.py -c weights/best_tiny3.pth --conf 0.25 --nms 0.45 --tsize 640 --device cpu
```
运行后出现**init ok**后按r键开始钓鱼，原神需要全屏。出于性能考虑检测框不会实时显示，处理运算后台进行。
# YOLOX训练工作流程
<**只用来钓鱼不需要训练，直接用预训练权重就可以**>
YOLOX部分因为打标签太累所以用半监督学习。标注少量样本后训练模型生成其余样本伪标签再人工修正，不断迭代提高精度。
样本量较少所以使用迁移学习，在COCO预训练的模型上进行fine-tuning.
下载数据集并解压：[原神鱼群数据集](https://1drv.ms/u/s!Agabh9imkP8qhHkZYzKsi_OQ4pfj?e=V2VApo),
[数据集(迅雷云盘:ugha)](https://pan.xunlei.com/s/VMkCJx-bOnpF431_9R0E8vAsA1)
将yolox/exp/yolox_tiny_fish.py中的self.data_dir的值改为解压后2个文件夹所在的路径。
训练代码:
```shell
python yolox_tools/train.py -f yolox/exp/yolox_tiny_fish.py -d 1 -b 8 --fp16 -o -c weights/yolox_tiny.pth
```
# DQN训练工作流程
控制力度使用强化学习模型DQN进行训练。两次进度的差值作为reward为模型提供学习方向。模型与环境间交互式学习。
直接在原神内训练耗时较长，太累了。首先制作一个仿真环境，大概模拟钓鱼力度控制操作。在仿真环境内预训练一个模型。
随后将这一模型迁移至原神内，实现域间迁移。
仿真环境预训练代码:
```shell
python train_sim.py
```
原神游戏内训练:
```shell
python train.py
```