04. Flappy Bird
Flappy Bird
在此示例中，你将看到一个深度学习代理在玩 Flappy Bird！你可以自己训练该代理，但是现在我们先开始使用作者提供的预先训练好的网络。注意，下面的代理能够直接玩游戏，不用告诉它关于游戏结构或规则的任何信息。它会通过查看每次循环时的操作流程，自动发现游戏规则。
我们将使用 此 GitHub 代码库 （作者：Yenchen Lin）
说明
- 安装 miniconda 或 anaconda（如果尚未安装的话）。你可以按照我们在前一课的教程操作。
-
为 flappybird 创建一个环境
-
Mac/Linux：
conda create --name=flappybird python=2.7 -
Windows：
conda create --name=flappybird python=3.5
-
Mac/Linux：
-
进入你的 conda 环境
-
Mac/Linux：
source activate flappybird -
Windows：
activate flappybird
-
Mac/Linux：
-
conda install -c menpo opencv3 -
pip install pygame -
pip install tensorflow -
git clone https://github.com/yenchenlin/DeepLearningFlappyBird.git -
cd DeepLearningFlappyBird -
python deep_q_network.py
如果一切正常，你应该会看到一个基于深度学习的代理在玩 Flappy Bird！资源库中包含了训练你自己的代理的说明，如果你感兴趣的话！