【加入星际2征程】DeepMind星际争霸2开源机器学习平台入门

DeepMind 之前开源了《星际争霸2》的深度强化学习平台，这是个很好的训练环境，学起来也很有趣。下面是一份有关设置环境和训练模型的教程，基于Mac环境。我们会跑一遍训练脚本，使用Deep Q-Network解决CollectMineralShards这个mini-game。享受学习吧~

在开始之前，你需要准备好：

• IntelliJ ( or PyCharm)
• Python3
• StarCraft II (even Starter Pack is working)
• GIT

先上结果：

这篇教程的结构：

1）安装pysc2

2）Star＆Fork pysc2样本

3）克隆pysc2-examples库

4）下载《星际争霸2》地图

5）安装Tensorflow和baseline库

6）用IntelliJ（或PyCharm）打开项目

7）运行训练脚本

8）运行预训练模型

接下来，我们就开始吧！

1）安装pysc2

首先，我们要安装pysc2库。

在终端上输入命令就好了（由于我们使用的是python3，必须输入pip3）。

pip3 install pysc2

然后，你的pysc2就安装好了。

2）Star & Fork pysc2样本

接下来，打开下面的Github链接：

https://github.com/chris-chris/pysc2-examples

这是最重要的一步！记得给我的库加星哦☺

Fork也来一下（译注：现在Star和Fork的数量都有所增长，Star已经超过150啦）~

3）克隆pysc2样本库

简单一行命令就能克隆这个库了

git clone https://github.com/chris-chris/pysc2-examples

然后你就能在计算机上看见“pysc2-examples”的目录了。

4）下载《星际争霸2》的任务地图

在运行训练脚本之前，我们必须下载mini-game的游戏地图，并将这些地图保存到星际争霸2D的地图目录StarCraft II/Maps。

下载游戏地图https://github.com/deepmind/pysc2/releases/download/v1.0/mini_games.zip

我是Mac用户，因此我的星际争霸2地图位置是

/Applications/StarCraft II/Maps/mini_games

如果你用Windows，可以将地图保存在StarCraft II/Maps/mini_games。

Linux用户请将地图保存在~/StarCraft II/Maps/mini_games

5）安装Tensorflow和baseline库

我们需要更多库！我们需要Google Tensorflow 和 OpenAI baselines这些库。

使用以下命令：

pip3 install tensorflow

pip3 install baselines

我使用OpenAI's baselines库实现了强化模型。OpenAI's baselines库依赖于Tensorflow，因此我们需要安装Tensorflow。 我认为OpenAI的基线是Deep Q-Network实现里最漂亮的，这也是我用它的原因！

我猜，看这篇文章的人，你们大多数都已经安装TensorFlow库了吧：）

6）用IntelliJ（或PyCharm）打开项目

输入下面的命令行，训练就开始了

python3 train_mineral_shards.py

提醒一下，我强烈建议你在IDE（集成开发环境）上开发强化学习，因为我接下来会使用Debug mode来解释环境变量:) 我目前在IntelliJ上运行这个项目。

运行 IntelliJ 或 PyCharm，打开我们刚刚克隆的项目的文件夹。

设定Project Structure

选择菜单 [File > Project Structure]

在Module SDK上选择Python3 SDK。如果你找不到SDK，单击[New...]添加你自己的python3二进制文件。

7）运行训练脚本

好，接下来开始跑训练脚本。右键点击train_mineral_shards.py，选择菜单[Run 'train_mineral_shards']

然后，你就能在控制台看见运行《星际争霸2》的日志了。

对上面的日志做个简短的说明。

• steps：发送到海军陆战队的命令数The number of commands
• episodes：我们玩的游戏数The number of games
• mean 100 episode reward：最近100次游戏获得的平均奖励
• mean 100 episode min…：最近100次游戏采矿的平均值
• % time spent exploring：花在探路上的时间比（探路/采矿）

我设置训练脚本运行20,000,000步（如果你想在笔记本电脑上运行，建议你将训练步长设置在50万的样子）

8）运行预训练模型

我编码程序在完成所有训练步骤后，将训练好的模型保存在文件夹mineral_shards.pkl里。

act.save("mineral_shards.pkl")

如果你想用这个预训练模型，只要运行enjoy script就行啦☺

右键enjoy_mineral_shards.py，选择菜单[Run 'enjoy_mineral_shards']

然后，你就能在CollectMineralShards地图上看到预训练好的智能体啦~

原文地址：http://chris-chris.ai/2017/08/30/pysc2-tutorial1/