基于pytorch框架用resnet101加GPT搭建AI玩王者荣耀

基于pytorch框架用resnet101加GPT搭建AI玩王者荣耀

本源码模型主要用了SamLynnEvans Transformer 的源码的解码部分。 以及pytorch自带的预训练模型"resnet101-5d3b4d8f.pth"

布局图

运行与生成训练数据

需要的库 torch torchvision pynput pyminitouch 可能还有其它库

运行训练好的模型

如果前面的工作做好了就可以把模型跑起来了，这里声明这个经过训练的模型仅仅训练100多局，水平很低，青铜人机都未必能打过。 一、首先下载模型 你可以从google云盘 下载训练过的模型，也可以百度网盘下载 链接：https://pan.baidu.com/s/1Bt7BXukDDCpc1aWFI2iKxg 提取码：5c1k 后放入weights文件夹下 二、先运行 “启动和结束进程.py” 启动scrcpy 把“训练数据截取_A.py” 中的两项改成你的，_DEVICE_ID 是 adb devices后显示的那个id

启动和结束进程.py

三、启动王者荣耀进入5v5人机对战 运行 “ 训练数据截取_A.py” 即可。

生成训练数据

运行 “训练数据截取_A.py” 时可以通过按键操控角色，这时就可以生成训练用的数据，如果没有操控则会生成一个空文件夹和空json文件。 按"i"键则结束或则是重新运行 按键’w’ s ’ ‘a’ d’控制方向 左、下、右箭头对应是1、2、3技能，上箭头长按则攻击。 其它按键请参考源码。 每次获取训练图片最好不要超过5000张

你也可以下载训练数据样本（只是样本，数据量不大，不能指望两局对战数据就有效果，我估计这个模型现有参数可以吃下上万场的对战数据） 百度网盘 链接：https://pan.baidu.com/s/1Ak1sLcSRimMWRgagXGahTg 提取码：t4k3 google云盘 解压后注意存放位置，请参考源码。

如何训练

一、数据预处理 将图片用resnet101预处理后再和对应操作数据一起处理后用numpy数组储存备用。 具体要做的就是运行 “处理训练数据5.py” 二、训练 预处理完成以后运行 “训练_B.py”即可。

游戏按键映射本地化 按键映射通过 ‘./json/名称_操作.json’ 文件完成，如前文所述，由minitouch进行按压模拟。

1，前期准备： 开启“开发者模式”，允许“USB调试”，允许“USB调试（安全设置）：允许通过USB调试修改权限或模拟点击”。后两项均在进入开发者选项后可以找到。

2，按键可视化，按键轨迹监控： 开启“显示点按操作的视觉反馈”，开启“指针位置”。 后者方便查看自己手机屏幕点按的像素点坐标信息，从而生成对应本地手机按键映射的.json文件。

3，映射本地化计算说明：

layout_description 此计算以手机充电口朝右握持为例，反向握持同理可推。 样例手机分辨率1080x2160。 Android“指针位置”中显示的坐标信息以图中左上角红色原点所示，xy轴如图。 此原点不论如何握持（充电口朝左或右），其始终保持在视野左上角，由重力感应判定。 minitouch坐标原点如图中左下角蓝色原点所示，此点为物理固定点，不随手机握持方向改变，反向握持此点在右上角。 另外注意两个坐标系xy轴方向不同。 在图中设定下，Android指针坐标(X,Y)对应minitouch坐标(1080-Y,X)：即在点按屏幕中某点时，安卓调试显示的(X,Y)在.json文件中的坐标应为(1080-Y,X)。

4，本地映射文件生成： ‘check_json.py’为调试和生成本地.json按键映射文件的脚本。 重映射时请一一记录每个按键在自己手机中显示的“指针位置”，并按照上述计算方法换算为.json文件中需 要输入的坐标。 此脚本会生成一个’./json/local_layout.json’文件，请在’处理训练数据5.py’中进行相应替换。 此外，处理训练数据5.py’中：‘加一技能’，‘加二技能’，‘加三技能’，‘购买’变量也许进行同样处理。.json文件中指令含义请参照minitouch。