贪吃蛇大师，尝试使用智能体漂亮通关贪吃蛇游

SnakeAI

[简体中文] | English | 日本語

贪吃蛇大师，尝试使用智能体通关贪吃蛇游戏 本项目包含一经典游戏贪吃蛇，一次意外训练生成的通关解法，走汉密尔顿环（有些无赖虽然也能通关），还有就是之前cnn训练的结果，和mlp结果。训练数据也会一并公开并打包上传。 这里提供一个本人训练的模型，下载地址
https://dlink.host/1drv/aHR0cHM6Ly8xZHJ2Lm1zL3UvcyFBckpVdXJnZURwTHNpNUI3Vkxacm0yYU9fQU9aLXc_ZT1YVk01TUo.zip

文件结构

├───main
│   ├───logs
│   ├───trained_models_cnn
│   ├───sound
│   ├───20231217
│   ├───20231219
│   ├───20231220
│   ├───20231222
│   ├───requirements.txt
│   └───scripts
├───utils
│   └───scripts

项目主要包括用于检测GPU的脚本（gpu.py和PyTorch.py），其中几次的训练数据（文件夹名为数字的），logs文件夹为含训练过程的终端文本和数据曲线（使用 Tensorboard 查看）；requirements.txt为anaconda配置文件， check_gpu_status/ 用于检查 GPU 是否可以被 PyTorch 调用

运行指南

本项目基于 Python 编程语言，用到的外部代码库主要包括 Pygame、OpenAI Gym、Stable-Baselines3 等。程序运行使用的 Python 版本为 3.8.16，建议使用 Anaconda 配置 Python 环境。以下为Windows Terminal指令。

环境配置

# 创建 conda 环境，将其命名为SnakeAI并激活环境
conda create -n SnakeAI python=3.8.18
conda activate SnakeAI

Windows:

# 前往官网下载对应版本的PyTorch。使用 GPU 训练需要手动安装完整版 PyTorch
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

# 运行程序脚本测试 PyTorch 是否能成功调用 GPU
python gpu.py
python PyTorch.py

# 安装外部代码库
pip install -r requirements.txt

运行训练和测试

项目文件夹下可以直接运行以下指令进行游戏：

cd [项目上级文件夹]/snake-ai/main
python snake_game.py

环境配置完成后，可以在 main/ 文件夹下运行 test_cnn.py 进行测试

cd "所在目录"
# 运行卷积神经网络模型训练脚本
python train_cnn.py

# 运行模型测试脚本
python test_cnn.py

模型权重文件存储在 main/trained_models_cnn/

如果需要重新训练模型，可以在train_cnn.py所在目录下运行此文件。测试脚本均默认调用训练完成后的模型比如ppo_snake_final.zip。如果需要观察不同训练阶段的 AI 表现，可将测试脚本中的 MODEL_PATH 变量修改为其它模型的文件路径。

查看曲线

项目中包含了训练过程的 Tensorboard 曲线图，可以使用 Tensorboard 查看其中的详细数据。推荐使用 VSCode 集成的 Tensorboard 插件直接查看，也可以使用传统方法：

cd "所在目录"
tensorboard --logdir=[上级目录]\snakeai\main\logs --bind_all --reload_interval 60

此命令会将 TensorBoard 绑定到所有可用的网络接口（包括公网IP），以便在外网上访问，方便随时随地查看，且每60s自动刷新一次图像。可在网络中的任何设备，浏览器中打开 Tensorboard 服务默认地址 http://[您的公网IP]:6006/，即可查看训练过程的交互式曲线图。