基于Pytorch实现的PPO强化学习模型，支持训练各种游戏，如超级马里奥，雪人兄弟，魂斗罗等等。.zip

# Pytorch-PPO 本项目是基于[Super-mario-bros-PPO-pytorch](https://github.com/uvipen/Super-mario-bros-PPO-pytorch) 复现的PPO，使用PPO模型训练Gym Retro游戏，支持训练各种游戏，如超级马里奥，雪人兄弟，魂斗罗等等。 # 项目结构 ```shell script PPO-retro/ ├── actions.py 定义每个游戏的动作 ├── discretizer.py 定义有点动作的工具类 ├── env.py 用于游戏环境和多线程游戏环境 ├── infer.py 使用训练好的模型进行推理 ├── model.py 模型结构 ├── retro_util.py retro游戏动作和图像处理 ├── retrowrapper.py 用于支持多线程retro游戏环境 ├── test_env.py 测试游戏环境 ├── train.py 训练PPO模型 └── utils.py 用于评估和输出参数 ``` # retro游戏模拟器 Gym Retro可的游戏转变为Gym环境以进行强化学习，并附带约1000种游戏的集成功能。它使用各种支持Libretro API的仿真器，从而使添加新仿真器变得相当容易。 支持平台： - Windows 7、8、10 - macOS 10.13（High Sierra），10.14（Mojave） - Linux（许多Linux1） 支持的Python： - 3.6 - 3.7 - 3.8 每个游戏集成都具有列出游戏中变量的存储位置的文件，基于这些变量的奖励功能，情节结束条件。 **请注意** ，不包含ROM，必须自己获取它们。 1. 安装retro ```shell pip install gym-retro -i https://mirrors.aliyun.com/pypi/simple/ ``` 2. 查看retro支持的游戏，执行这两行代码会输出retro支持的游戏。 ```python import retro retro.data.list_games() ``` 3. 导入游戏的ROM文件，我们安装了retro不是就能够直接使用的，因为retro不会提供游戏的ROM文件，所以需要我们自己去下载和导入。跟着笔者下载游戏的ROM文件并导入到Python环境中。[这里](https://archive.org/download/No-Intro-Collection_2016-01-03_Fixed) 提供了很多游戏的ROM，笔者下载的是[Nintendo - Nintendo Entertainment System.zip](https://archive.org/download/No-Intro-Collection_2016-01-03_Fixed/Nintendo%20-%20Nintendo%20Entertainment%20System.zip) ，导入命令如下： ```shell script python -m retro.import /ROM的文件夹/ ``` **特别注意：** 如果ROM带有`.bin`扩展名，需要将其重命名为具有该系统正确的扩展名。如Atari类型的，需要改成`.a26`，以便`python -m retro.import`成功！ ```shell script .md： 世嘉创世纪（Mega Drive） .sfc：超级任天堂娱乐系统 .nes：任天堂娱乐系统 .a26：Atari 2600 .gb： 任天堂游戏男孩 .gba：任天堂Game Boy Advance .gbc：任天堂游戏男孩Color .gg： 世嘉游戏装备 .pce：NEC TurboGrafx-16 .sms：世嘉Master System ``` 4. 测试游戏环境，通过执行`test_env.py`可以测试游戏的环境。 ```python import cv2 import numpy as np from src.env import create_train_env def main(): # 获取游戏 env = create_train_env(game="SuperMarioBros-Nes") print(env.observation_space.shape) print(env.action_space.n) obs = env.reset() while True: # 游戏生成的随机动作，int类型数值 action = env.action_space.sample() # 执行游戏 obs, reward, terminal, info = env.step(action) # 显示连续动作 obs = np.squeeze(obs) obses = obs[0] for i in range(1, obs.shape[0]): obses = np.hstack([obses, obs[i]]) cv2.imshow('obes', obses) cv2.waitKey(1) env.render() print("=" * 50) print("action:", action) print("obs shape:", obs.shape) print("reward:", reward) print("terminal:", terminal) print("info:", info) if terminal: obs = env.reset() if __name__ == "__main__": main() ``` # 训练 1. 首先安装PaddlePaddle以及相关库。 ```shell pip install torch==1.5.1+cu101 torchvision==0.6.1+cu101 -f https://download.pytorch.org/whl/torch_stable.html ``` 2. 执行训练，通过game参数可以指定想要选择的游戏，前提是retro得支持这个游戏并且已经导入了ROM文件。 ```shell python train.py --game=SuperMarioBros-Nes ``` 3. 验证通过的游戏如下，最新的验证通过的游戏请参考本项目的Github文档。 ```shell script SuperMarioBros-Nes SnowBrothers-Nes ``` 4. 自行训练其他游戏，理论情况下只需要更改游戏名称就可以正常训练，但是为了模型更好的拟合，最好是可以修改一下游戏可执行的动作，动作在`actions.py`。 ## 预测 预测程序会使用训练时保存的最好得分模型进行预测，这个预测程序需要在界面环境下执行，如果要在终端下执行，需要注释`env.render()`这行代码。 ```shell python infer.py --game=SuperMarioBros-Nes ``` # 模型下载 | 游戏名称 | 预训练模型 | 最好的通关模型 | | :---: | :---: | :---: | | SuperMarioBros-Nes（超级马里奥） | [点击下载](https://resource.doiduoyi.com/#y384501) | [点击下载](https://resource.doiduoyi.com/#y384501) | | SnowBrothers-Nes（雪人兄弟） | [点击下载](https://resource.doiduoyi.com/#y384501) | [点击下载](https://resource.doiduoyi.com/#y384501) |