首页
社区
课程
招聘
问答 CTF 排行榜 知识库 工具下载 峰会 看雪商城 证书查询
  1. 社区
  2. 编程技术
    3. 发新帖
yolov5环境搭建和训练自己的模型
发表于: 2023-3-31 00:13 19777

yolov5环境搭建和训练自己的模型

zhang_derek 活跃值
1
2023-3-31 00:13
19777

下载地址

先在cmd执行nvidia-smi，查看驱动版本，下载对应的cuda版本

下载地址

安装的时候选择默认路劲，安装完成在cmd执行nvcc -V，能查到cuda版本证明安装成功

下载跟cuda版本对应的cdDNN版本

解压后，把三个文件夹直接复制到cuda的安装目录

创建python虚拟环境

激活虚拟环境

生成.condarc文件

配置源，把下面内容复制进去，保存

下载地址

选择对应cuda版本的PyTorch安装命令
图片描述

测试是否安装成功
图片描述

下载yolov5

安装依赖包，先删掉这两行，因为PyTorch我们已经安装过了

然后安装

下载yolov5s.pt，放到根目录
图片描述

运行命令

测试结果会保存在run目录下面
图片描述

安装lableImg

labelImg常用快捷键

新建images和labels文件夹，把准备好的游戏截图放到images目录下，然后用labelimg开始标注（怎么标注，自己百度），总共标注5个类（hero,door,moster,money,boss）。

主要修改train的图片位置、类的个数和类的名字

只要修改nc的数量就可以

cache用disk或者ram都可以
如果内存不够，把work数再改小点

train完成后会在run/exp1/weights目录下会生产一个best.pt文件，用它来detect

经过yolov5训练后，最终识别准备率能达到0.9以上。

图片描述
图片描述
图片描述

https://repo.anaconda.com/archive/
https://repo.anaconda.com/archive/
 
https://developer.nvidia.com/cuda-toolkit-archive
https://developer.nvidia.com/cuda-toolkit-archive
https://developer.nvidia.com/rdp/cudnn-download
https://developer.nvidia.com/rdp/cudnn-download
conda activate
conda create -n yolov5_test python=3.8
conda activate
conda create -n yolov5_test python=3.8
activate yolov5_test
activate yolov5_test
#会在当前目录生产.condarc文件
conda config --set show_channel_urls yes
#会在当前目录生产.condarc文件
conda config --set show_channel_urls yes
channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
https://pytorch.org/get-started/previous-versions/
https://pytorch.org/get-started/previous-versions/
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.6 -c pytorch -c conda-forge
 
#如果上面安装报错提示：“ An error occurred while installing package 'conda-forge.....' ”
#执行`conda update -n base -c defaults conda`进行更新源，再重新安装PyTorch
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.6 -c pytorch -c conda-forge
 
#如果上面安装报错提示：“ An error occurred while installing package 'conda-forge.....' ”
#执行`conda update -n base -c defaults conda`进行更新源，再重新安装PyTorch
https://github.com/ultralytics/yolov5
https://github.com/ultralytics/yolov5

[培训]Windows内核深度攻防：从Hook技术到Rootkit实战！

最后于 2023-3-31 00:23 被zhang_derek编辑 ，原因：
收藏
免费 ・25
支持
分享
最新回复 (20)
heye123
雪    币： 229
能力值： ( LV1，RANK：0 )
在线值：
发帖
回帖
粉丝
私信
2 楼
收藏
2023-3-31 11:26
0
spman
雪    币： 137
活跃值： (1716)
能力值： ( LV3，RANK：20 )
在线值：
发帖
回帖
粉丝
私信
3 楼
非常有意思啊。
2023-3-31 11:39
0
shinratensei
雪    币： 1719
活跃值： (215942)
能力值： ( LV4，RANK：40 )
在线值：
发帖
回帖
粉丝
私信
4 楼
数据标的人麻了
2023-3-31 13:03
0
pureGavin
雪    币： 16574
活跃值： (19989)
能力值： ( LV12，RANK：300 )
在线值：
发帖
回帖
粉丝
私信
5 楼
感谢分享，接下来的内容就交给DQN了 
2023-3-31 15:23
0
kakasasa
雪    币： 577
活跃值： (2035)
能力值： ( LV2，RANK：10 )
在线值：
发帖
回帖
粉丝
私信
6 楼
感谢分享，mark
2023-3-31 16:22
0
Python成长路
雪    币： 297
活跃值： (4185)
能力值： ( LV2，RANK：10 )
在线值：
发帖
回帖
粉丝
私信
7 楼
想试但不想标注
2023-4-3 13:36
0
库尔
雪    币： 1372
活跃值： (2100)
能力值： ( LV2，RANK：10 )
在线值：
发帖
回帖
粉丝
私信
8 楼
pureGavin 感谢分享，接下来的内容就交给DQN了 [em_86]
dqn貌似训练时间长，ppo，td3这类比较好点。
2023-4-4 09:13
0
pureGavin
雪    币： 16574
活跃值： (19989)
能力值： ( LV12，RANK：300 )
在线值：
发帖
回帖
粉丝
私信
9 楼
库尔 dqn貌似训练时间长，ppo，td3这类比较好点。
关键看训练效果，不过我也没试过
2023-4-4 09:33
0
库尔
雪    币： 1372
活跃值： (2100)
能力值： ( LV2，RANK：10 )
在线值：
发帖
回帖
粉丝
私信
10 楼
shinratensei 数据标的人麻了
065K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6m8L8s2k6S2M7X3!0o6j5i4k6S2L8r3y4S2L8Y4c8W2i4K6u0r3j5i4g2@1L8#2)9#2k6X3q4F1L8X3!0@1j5i4c8W2i4K6t1$3L8X3u0K6M7q4)9K6b7W2!0q4y4g2)9^5c8W2!0m8c8W2!0q4y4q4!0n7b7W2!0m8y4g2!0q4y4#2)9&6y4q4!0m8z5q4!0q4z5q4!0n7c8W2)9&6z5g2!0q4y4q4!0n7z5q4!0m8b7g2!0q4y4#2)9&6b7#2)9^5b7W2!0q4y4#2)9&6b7#2)9^5b7W2!0q4z5q4)9^5x3#2!0n7c8q4!0q4y4q4!0n7z5q4)9^5c8q4!0q4z5q4)9^5x3#2!0n7c8q4!0q4y4g2)9^5y4#2)9^5c8W2!0q4y4g2!0n7x3q4)9&6x3g2!0q4y4W2!0m8x3q4)9^5y4#2!0q4y4W2!0n7x3#2!0m8z5q4!0q4c8W2!0n7b7#2)9^5b7#2!0q4y4q4!0n7z5q4)9^5c8q4!0q4z5q4!0n7c8W2)9^5y4#2!0q4y4W2)9^5z5q4)9&6x3g2!0q4z5q4!0m8y4#2)9^5z5g2!0q4y4g2!0n7c8g2)9&6y4#2!0q4y4g2)9^5b7W2!0m8y4q4!0q4y4g2!0m8y4g2)9^5b7W2!0q4y4#2)9^5x3W2!0n7z5g2!0q4z5q4)9^5x3#2!0n7c8q4!0q4y4g2!0n7x3g2)9&6y4g2!0q4y4#2)9^5c8g2!0n7x3q4!0q4y4q4!0n7b7g2!0n7b7g2!0q4y4#2)9&6b7g2)9^5y4q4!0q4y4q4!0n7b7W2!0n7y4#2!0q4y4g2)9^5x3q4!0n7b7#2!0q4x3#2)9^5x3q4)9^5x3R3`.`.
2023-4-4 09:45
0
库尔
雪    币： 1372
活跃值： (2100)
能力值： ( LV2，RANK：10 )
在线值：
发帖
回帖
粉丝
私信
11 楼
pureGavin 关键看训练效果，不过我也没试过

改天我试试，不过强化学习这种估计要自定义GYM吧。Reward设计估计是精髓

最后于 2023-4-4 10:16 被库尔编辑 ，原因：
2023-4-4 09:49
0
pureGavin
雪    币： 16574
活跃值： (19989)
能力值： ( LV12，RANK：300 )
在线值：
发帖
回帖
粉丝
私信
12 楼
库尔 pureGavin 关键看训练效果，不过我也没试过 改天我试试，不过强化学习这种估计要自定义GYM吧。Reward设计估计是精髓
有这方面的教程或者样例代码吗？我也想自己亲手训练一下试试效果
2023-4-4 11:19
0
库尔
雪    币： 1372
活跃值： (2100)
能力值： ( LV2，RANK：10 )
在线值：
发帖
回帖
粉丝
私信
13 楼

游戏教程网上有，水深得很，不过基本上只能在特定的gym支持的游戏运行，要想特定的还得要改改。
1.  df8K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6&6j5h3&6F1j5X3!0#2N6r3g2A6L8r3I4W2M7W2)9J5c8Y4u0@1k6%4W2E0i4K6t1$3L8X3u0K6M7q4)9K6b7W2!0q4z5q4!0n7c8W2)9&6z5g2!0q4y4q4!0n7z5q4!0m8b7g2!0q4y4W2)9&6z5q4!0m8c8W2!0q4y4W2)9^5z5q4)9&6x3g2!0q4y4g2!0n7y4#2!0n7x3W2!0q4y4#2)9&6c8W2!0m8y4g2!0q4z5q4)9^5x3#2!0n7c8q4!0q4y4g2)9&6b7#2!0m8z5q4!0q4y4#2)9^5c8g2!0n7x3q4!0q4y4g2!0m8c8g2)9&6c8g2!0q4y4#2)9^5c8g2!0m8c8W2!0q4y4g2!0m8x3W2)9^5x3#2!0q4y4q4!0n7z5q4!0m8c8q4!0q4y4W2!0m8c8W2)9&6y4q4!0q4z5q4!0n7c8g2)9^5x3#2!0q4y4g2!0m8y4g2!0n7c8q4!0q4y4W2)9&6y4q4!0n7z5g2!0q4z5q4!0m8x3#2)9^5y4g2!0q4y4g2!0n7c8g2)9&6y4$3N6&6L8g2!0q4x3#2)9^5x3q4)9^5x3R3`.`.
2. 会构造状态空间，根据不同游戏提取关键的变量和设计reward。其背后得原理还能追溯到物理学控制工程中得状态空间法。
3.我没搞这个，我上个礼拜做了一个Ai自动化fuzzing 挖掘二进制漏洞,用的也是强化学习，但是我会自己构造状态空间，试验项目在cdcK9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6%4M7X3g2F1j5$3S2G2L8X3I4A6L8X3g2Q4x3V1k6m8d9g2)9#2k6V1k6#2P5Y4A6A6L8X3N6Q4c8f1k6Q4b7V1y4Q4z5p5y4Q4c8e0k6Q4b7V1y4Q4z5p5k6Q4c8e0k6Q4b7U0c8Q4z5f1g2Q4c8e0c8Q4b7V1u0Q4b7e0y4Q4c8e0N6Q4b7e0m8Q4z5o6q4Q4c8e0S2Q4b7U0k6Q4z5o6g2Q4c8e0S2Q4b7V1k6Q4z5o6M7I4x3W2!0q4y4g2!0m8c8q4)9&6y4#2!0q4z5q4)9^5b7g2)9^5x3W2!0q4y4g2!0n7x3q4!0n7x3g2!0q4y4q4!0n7b7#2)9&6b7g2!0q4y4#2!0n7b7#2)9&6x3#2!0q4y4g2)9^5y4W2!0n7x3W2!0q4y4g2)9^5b7#2!0n7b7g2!0q4y4W2!0n7b7g2!0m8x3W2!0q4y4g2)9^5y4#2!0n7b7g2!0q4c8W2!0n7b7#2)9^5b7K6p5I4i4@1f1@1i4@1t1^5i4@1q4m8i4@1f1#2i4@1q4p5i4K6V1%4i4@1f1^5i4K6S2m8i4K6R3J5i4@1f1#2i4K6W2r3i4@1u0m8i4@1f1$3i4K6W2o6i4@1q4o6i4@1f1@1i4@1t1^5i4K6S2m8i4@1f1$3i4@1t1J5i4@1p5I4i4@1f1@1i4@1u0m8i4K6S2n7i4@1f1K6i4K6R3H3i4K6R3J5i4@1f1^5i4@1q4q4i4@1q4p5i4@1f1%4i4@1u0n7i4K6R3K6i4@1f1#2i4K6S2p5i4K6R3I4i4@1f1#2i4K6R3^5i4K6R3$3i4@1f1&6i4K6V1J5i4K6W2r3i4@1f1^5i4@1u0r3i4K6V1&6i4@1f1@1i4@1t1^5i4@1q4m8j5h3W2Q4c8e0g2Q4b7U0m8Q4b7U0q4Q4c8e0S2Q4z5o6y4Q4b7V1c8Q4c8e0g2Q4b7e0c8Q4z5f1k6Q4c8e0g2Q4z5f1k6Q4b7V1q4Q4c8e0k6Q4z5f1y4Q4b7f1y4Q4c8e0c8Q4b7U0S2Q4z5p5p5I4x3W2!0q4y4g2!0m8c8q4)9&6y4#2!0q4z5q4)9^5b7g2)9^5x3W2!0q4c8W2!0n7b7#2)9^5b7#2!0q4y4q4!0n7c8q4)9^5y4W2!0q4y4W2)9&6z5q4!0m8c8W2!0q4y4W2!0m8z5q4!0m8x3g2!0q4y4W2)9^5b7W2)9&6c8W2!0q4y4g2)9&6z5g2!0m8z5q4!0q4y4W2)9&6z5q4!0m8c8W2!0q4y4g2!0m8y4q4)9&6b7g2!0q4y4#2!0n7b7g2!0n7c8W2!0q4y4#2!0m8z5q4)9^5b7W2!0q4c8W2!0n7b7#2)9^5b7#2!0q4y4g2!0m8x3q4)9^5y4W2!0q4y4W2!0m8x3q4)9^5z5q4!0q4y4#2!0m8z5g2!0n7b7g2!0q4z5g2)9&6y4#2!0n7y4q4!0q4z5q4!0n7y4q4)9&6c8q4!0q4z5q4!0m8c8g2!0n7c8g2!0q4y4g2!0m8c8g2)9&6b7g2!0q4y4W2!0m8c8q4!0n7b7W2!0q4y4q4!0n7b7g2)9^5y4W2!0q4y4W2!0m8c8W2)9^5c8W2!0q4y4W2!0m8b7#2!0m8x3g2!0q4z5q4!0m8c8g2!0m8c8q4!0q4y4#2!0n7b7W2)9^5x3%4m8&6N6r3S2G2L8W2!0q4y4g2!0m8x3q4)9^5y4W2!0q4y4W2!0m8x3q4)9^5z5q4!0q4z5g2)9&6z5g2)9&6x3q4!0q4y4g2)9^5z5q4!0n7y4W2!0q4z5g2)9^5x3#2!0n7c8q4!0q4y4q4!0n7b7#2)9&6b7g2!0q4y4g2)9^5c8q4!0m8x3g2!0q4y4q4!0n7c8q4)9^5c8W2!0q4c8W2!0n7b7#2)9^5b7#2!0q4y4g2)9&6x3q4)9^5c8g2!0q4z5g2)9&6c8q4!0m8x3W2!0q4y4W2)9&6y4q4!0n7z5g2!0q4y4W2)9^5z5q4)9&6x3q4!0q4y4g2!0m8y4q4)9&6b7g2!0q4z5q4!0n7c8W2)9&6b7W2!0q4y4#2!0m8z5q4)9^5b7W2!0q4y4W2!0m8z5q4!0m8x3g2!0q4y4W2)9^5b7W2)9&6c8W2!0q4x3#2)9^5x3q4)9^5x3W2!0q4z5q4!0n7c8W2)9&6z5q4!0q4y4W2)9&6b7#2)9^5z5g2!0q4z5q4!0n7c8W2)9&6z5g2!0q4y4q4!0n7z5q4!0m8b7g2!0q4z5g2!0m8x3g2!0n7z5g2!0q4y4#2)9&6b7W2!0m8c8g2!0q4y4#2!0m8y4W2!0n7b7W2!0q4y4g2!0m8c8g2)9&6c8g2!0q4y4W2)9^5z5q4)9&6z5q4!0q4z5q4!0n7y4#2)9&6c8q4!0q4y4#2!0m8y4W2!0n7b7W2!0q4y4g2)9^5c8W2!0m8c8W2!0q4z5q4)9^5x3#2!0n7c8q4!0q4z5q4!0n7c8W2)9&6z5q4!0q4y4W2)9&6b7#2)9^5z5g2!0q4y4q4!0n7z5q4)9^5x3q4!0q4y4#2)9^5x3W2!0n7z5g2!0q4z5q4!0n7y4#2)9&6c8q4!0q4y4#2!0m8y4W2!0n7b7W2!0q4c8W2!0n7b7#2)9^5b7#2!0q4y4W2!0n7x3W2!0m8x3g2!0q4y4W2)9&6b7#2)9^5z5g2!0q4y4g2)9^5y4g2!0n7y4#2!0q4y4q4!0n7c8q4)9&6x3#2!0q4z5q4!0m8c8W2!0m8y4W2!0q4y4#2!0n7b7W2)9^5y4W2!0q4y4#2)9&6b7g2)9^5y4q4!0q4y4W2)9&6y4g2!0n7x3q4!0q4y4g2!0m8c8q4!0m8y4W2!0q4y4#2!0m8c8g2)9&6y4#2!0q4y4W2!0n7x3#2)9&6y4g2!0q4y4q4!0n7b7g2)9^5y4W2!0q4c8W2!0n7b7#2)9^5b7#2!0q4y4W2)9^5z5g2)9^5x3q4!0q4y4q4!0n7b7W2!0m8y4h3k6#2P5Y4A6A6L8X3N6Q4c8e0g2Q4z5p5k6Q4b7f1q4Q4c8e0S2Q4z5o6y4Q4b7V1c8Q4c8e0g2Q4b7V1c8Q4z5e0y4Q4c8e0c8Q4b7U0S2Q4b7f1q4Q4c8e0N6Q4z5p5g2Q4b7e0W2Q4c8e0g2Q4z5o6g2Q4b7U0N6Q4c8e0N6Q4z5f1y4Q4z5p5u0Q4c8e0c8Q4b7V1q4Q4z5o6k6Q4c8e0y4Q4z5o6m8Q4z5o6u0Q4c8e0k6Q4z5o6S2Q4z5e0q4Q4c8e0g2Q4z5p5k6Q4b7f1q4Q4c8e0k6Q4z5e0S2Q4b7f1k6Q4c8e0S2Q4b7f1k6Q4z5e0g2Q4c8e0W2Q4b7f1q4Q4z5p5y4Q4c8e0S2Q4z5o6m8Q4z5p5y4Q4c8e0g2Q4b7U0N6Q4b7U0u0Q4c8e0y4Q4z5o6m8Q4z5o6u0Q4c8e0c8Q4b7V1c8Q4z5o6k6Q4c8e0g2Q4b7V1c8Q4z5e0y4Q4c8e0c8Q4b7V1c8Q4z5f1y4Q4c8e0S2Q4z5o6N6Q4b7f1q4Q4c8e0g2Q4b7f1g2Q4z5f1q4Q4c8e0c8Q4b7U0W2Q4z5o6W2Q4c8e0k6Q4z5f1g2Q4z5o6c8Q4c8e0W2Q4z5o6m8Q4b7e0m8Y4P5h3#2Q4c8e0k6Q4z5e0S2Q4b7f1k6Q4c8e0g2Q4z5p5k6Q4b7f1k6Q4c8e0c8Q4b7V1u0Q4b7e0g2Q4c8e0g2Q4z5p5k6Q4z5o6u0Q4c8e0S2Q4z5o6m8Q4z5o6y4Q4c8e0c8Q4b7U0S2Q4z5p5u0Q4c8e0N6Q4z5f1q4Q4z5o6c8Q4c8e0y4Q4z5o6m8Q4z5o6t1`.

最后于 2023-4-4 13:25 被库尔编辑 ，原因：
2023-4-4 13:20
0
库尔
雪    币： 1372
活跃值： (2100)
能力值： ( LV2，RANK：10 )
在线值：
发帖
回帖
粉丝
私信
14 楼
pureGavin 有这方面的教程或者样例代码吗？我也想自己亲手训练一下试试效果

教程网上有，水深得很，不过基本上只能在特定的gym支持的游戏运行，要想特定的还得要改改。
1.  8b7K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6&6j5h3&6F1j5X3!0#2N6r3g2A6L8r3I4W2M7W2)9J5c8Y4u0@1k6%4W2E0i4K6t1$3L8X3u0K6M7q4)9K6b7W2!0q4z5q4!0n7c8W2)9&6z5g2!0q4y4q4!0n7z5q4!0m8b7g2!0q4y4W2)9&6z5q4!0m8c8W2!0q4y4W2)9^5z5q4)9&6x3g2!0q4y4g2!0n7y4#2!0n7x3W2!0q4y4#2)9&6c8W2!0m8y4g2!0q4z5q4)9^5x3#2!0n7c8q4!0q4y4g2)9&6b7#2!0m8z5q4!0q4y4#2)9^5c8g2!0n7x3q4!0q4y4g2!0m8c8g2)9&6c8g2!0q4y4#2)9^5c8g2!0m8c8W2!0q4y4g2!0m8x3W2)9^5x3#2!0q4y4q4!0n7z5q4!0m8c8q4!0q4y4W2!0m8c8W2)9&6y4q4!0q4z5q4!0n7c8g2)9^5x3#2!0q4y4g2!0m8y4g2!0n7c8q4!0q4y4W2)9&6y4q4!0n7z5g2!0q4z5q4!0m8x3#2)9^5y4g2!0q4y4g2!0n7c8g2)9&6y4$3N6&6L8g2!0q4x3#2)9^5x3q4)9^5x3R3`.`.
2. 会构造状态空间，根据不同游戏提取关键的变量和设计reward。其背后得原理还能追溯到物理学控制工程中得状态空间法。
3.我没搞这个，我上个礼拜做了一个Ai自动化fuzzing 挖掘二进制漏洞,用的也是强化学习，但是我会自己构造状态空间，试验项目在cd4K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6%4M7X3g2F1j5$3S2G2L8X3I4A6L8X3g2Q4x3V1k6m8d9g2)9#2k6V1k6#2P5Y4A6A6L8X3N6Q4c8f1k6Q4b7V1y4Q4z5p5y4Q4c8e0k6Q4b7V1y4Q4z5p5k6Q4c8e0k6Q4b7U0c8Q4z5f1g2Q4c8e0c8Q4b7V1u0Q4b7e0y4Q4c8e0N6Q4b7e0m8Q4z5o6q4Q4c8e0S2Q4b7V1g2Q4z5e0y4Q4c8e0g2Q4z5o6g2Q4b7e0g2Q4c8e0g2Q4z5o6k6Q4z5o6g2Q4c8e0g2Q4b7f1g2Q4b7U0W2H3j5i4W2D9L8$3q4V1i4@1f1^5i4@1t1$3i4K6R3#2i4@1f1^5i4@1u0r3i4K6R3%4x3e0u0Q4c8e0g2Q4b7f1c8Q4z5e0N6Q4c8e0S2Q4z5p5q4Q4z5o6u0Q4c8e0g2Q4b7U0m8Q4b7U0q4Q4c8e0c8Q4b7V1y4Q4z5f1q4Q4c8e0N6Q4b7V1y4Q4z5e0y4Q4c8e0g2Q4z5o6k6Q4b7U0u0Q4c8e0g2Q4z5p5y4Q4b7V1q4Q4c8e0k6Q4b7V1q4Q4b7e0u0Q4c8e0g2Q4z5o6N6Q4b7V1q4Q4c8f1k6Q4b7V1y4Q4z5p5x3I4x3g2!0q4y4q4!0n7z5q4!0m8b7g2!0q4y4g2!0m8c8q4)9&6y4#2!0q4z5q4)9^5b7g2)9^5x3W2!0q4y4q4!0n7b7W2!0m8y4g2!0q4y4q4!0n7z5q4)9^5b7W2!0q4y4g2)9&6c8W2!0n7b7g2!0q4y4W2)9&6b7#2!0m8b7#2!0q4y4q4!0n7z5q4)9^5b7g2!0q4y4W2!0n7x3W2!0m8x3g2!0q4y4q4!0n7b7g2)9^5b7W2!0q4x3#2)9^5x3q4)9^5x3W2!0q4z5q4!0m8c8g2!0m8c8q4!0q4y4#2!0n7b7W2)9^5x3#2!0q4y4g2)9^5c8q4)9^5x3g2!0q4y4g2)9^5z5q4)9^5y4W2!0q4z5g2)9&6x3W2)9&6c8W2!0q4z5q4!0n7c8W2)9&6z5g2!0q4y4q4!0n7z5q4!0m8b7h3q4A6i4@1f1#2i4@1t1H3i4@1t1I4i4@1f1^5i4K6R3K6i4@1u0p5i4@1f1#2i4@1p5@1i4K6W2r3i4@1f1#2i4K6W2r3i4@1u0m8i4@1f1$3i4K6W2o6i4@1q4o6i4@1f1@1i4@1t1^5i4K6S2m8x3e0u0Q4c8e0g2Q4b7f1c8Q4z5e0N6Q4c8e0S2Q4z5p5q4Q4z5o6u0Q4c8f1k6Q4b7V1y4Q4z5p5y4Q4c8e0c8Q4b7V1c8Q4z5o6k6Q4c8e0k6Q4z5e0S2Q4b7f1k6Q4c8e0k6Q4b7e0S2Q4b7e0q4Q4c8e0k6Q4z5p5u0Q4z5f1k6Q4c8e0g2Q4z5e0W2Q4b7e0S2Q4c8e0k6Q4z5e0S2Q4b7f1k6Q4c8e0g2Q4b7e0c8Q4z5f1q4Q4c8e0N6Q4b7V1q4Q4b7V1k6Q4c8e0N6Q4b7e0S2Q4z5p5u0Q4c8f1k6Q4b7V1y4Q4z5p5y4Q4c8e0g2Q4b7e0m8Q4z5o6k6Q4c8e0k6Q4b7e0m8Q4z5o6S2Q4c8e0N6Q4b7e0W2Q4b7V1q4Q4c8e0W2Q4z5e0N6Q4b7U0c8Q4c8e0S2Q4b7U0c8Q4z5f1c8Q4c8e0S2Q4b7f1g2Q4b7V1g2Q4c8e0g2Q4b7f1g2Q4z5f1q4Q4c8e0k6Q4b7f1c8Q4b7V1u0Q4c8e0c8Q4b7V1q4Q4z5o6k6Q4c8e0k6Q4b7f1k6Q4z5p5k6Q4c8e0k6Q4b7f1y4Q4b7e0q4Q4c8e0S2Q4b7f1g2Q4b7f1c8Q4c8e0N6Q4b7V1u0Q4z5o6y4H3P5i4c8Z5L8$3&6Q4c8e0g2Q4b7e0m8Q4z5o6k6Q4c8e0k6Q4b7e0m8Q4z5o6S2Q4c8e0W2Q4z5e0W2Q4z5e0m8Q4c8e0g2Q4z5o6S2Q4b7U0k6Q4c8e0W2Q4z5o6y4Q4b7V1c8Q4c8e0c8Q4b7V1y4Q4z5f1q4Q4c8e0g2Q4z5p5c8Q4b7e0q4Q4c8e0c8Q4b7V1c8Q4z5p5k6Q4c8f1k6Q4b7V1y4Q4z5p5y4Q4c8e0g2Q4z5e0m8Q4z5p5g2Q4c8e0W2Q4z5f1c8Q4b7e0u0Q4c8e0k6Q4z5e0c8Q4b7U0W2Q4c8e0k6Q4z5o6S2Q4z5e0m8Q4c8e0g2Q4b7e0c8Q4z5f1q4Q4c8e0S2Q4b7V1k6Q4z5f1u0Q4c8e0N6Q4b7e0S2Q4z5p5u0Q4c8e0k6Q4b7e0S2Q4b7e0q4Q4c8e0k6Q4z5p5u0Q4z5f1k6Q4c8e0y4Q4z5o6m8Q4z5o6u0Q4c8e0S2Q4b7V1k6Q4z5e0S2Q4c8e0k6Q4z5f1y4Q4z5o6W2Q4c8e0S2Q4b7V1k6Q4z5e0W2Q4c8e0c8Q4b7U0S2Q4b7f1q4Q4c8e0W2Q4b7e0q4Q4b7U0W2Q4c8e0N6Q4z5f1u0Q4b7f1g2Q4c8e0N6Q4b7e0k6Q4b7V1u0Q4c8e0g2Q4b7f1g2Q4z5f1g2Q4c8e0k6Q4z5o6S2Q4z5e0S2Q4c8e0S2Q4b7U0N6Q4z5f1c8Q4c8e0N6Q4b7e0k6Q4b7V1u0Q4c8e0g2Q4z5p5k6Q4b7f1k6Q4c8e0S2Q4z5o6y4Q4b7V1c8Q4c8e0S2Q4b7V1k6Q4z5e0S2Q4c8e0k6Q4z5f1y4Q4z5o6W2Q4c8e0c8Q4b7U0S2Q4z5o6m8Q4c8e0N6Q4z5o6u0Q4b7U0W2Q4c8e0S2Q4b7U0N6Q4z5f1c8Q4c8e0N6Q4b7e0k6Q4b7V1u0Q4c8f1k6Q4b7V1y4Q4z5p5y4Q4c8e0k6Q4b7U0u0Q4b7e0q4Q4c8e0k6Q4z5f1y4Q4z5o6W2Q4c8e0g2Q4z5o6g2Q4b7U0N6Q4c8e0c8Q4b7V1c8Q4z5e0y4Q4c8e0S2Q4b7f1k6Q4b7e0k6Q4c8e0N6Q4b7V1u0Q4z5o6k6Q4c8e0N6Q4z5f1q4Q4z5o6c8Q4c8e0k6Q4z5e0g2Q4b7U0m8Q4c8e0g2Q4b7f1c8Q4b7e0k6Q4c8e0N6Q4b7f1g2Q4z5e0N6Q4c8e0k6Q4b7U0y4Q4z5e0g2Q4c8e0c8Q4b7V1q4Q4z5o6k6Q4c8f1k6Q4b7V1y4Q4z5p5y4Q4c8e0k6Q4z5o6W2Q4z5o6m8Q4c8e0c8Q4b7V1u0Q4b7e0g2X3N6i4A6*7K9h3&6Y4i4@1f1#2i4K6S2r3i4@1q4m8i4@1f1^5i4K6R3K6i4@1u0p5i4@1f1#2i4@1u0p5i4K6V1K6i4@1f1@1i4@1t1^5i4@1q4m8i4@1f1%4i4K6S2q4i4@1p5&6i4@1f1#2i4K6R3#2i4@1t1%4i4@1f1%4i4K6W2o6i4K6S2n7i4@1f1@1i4@1u0m8i4K6R3$3i4@1f1K6i4K6R3H3i4K6R3J5i4@1f1$3i4K6R3^5i4K6V1I4i4@1f1#2i4K6S2r3i4@1q4m8i4@1f1$3i4K6V1^5i4@1q4r3i4@1f1^5i4@1q4r3i4K6V1#2i4@1f1&6i4@1q4m8i4K6S2o6i4@1f1^5i4K6R3H3i4K6S2o6i4@1f1#2i4@1t1%4i4@1t1J5i4@1f1K6i4K6R3H3i4K6R3J5i4@1f1@1i4@1u0p5i4K6R3$3i4@1f1#2i4@1u0p5i4K6V1K6i4@1f1@1i4@1u0p5i4K6W2o6i4@1f1^5i4K6R3%4i4@1q4m8i4@1f1#2i4@1q4q4i4K6W2m8i4@1f1@1i4@1t1&6i4K6R3&6i4@1f1$3i4K6W2q4i4K6R3@1i4@1f1&6i4K6R3H3i4@1p5H3k6%4W2E0i4@1f1$3i4K6V1^5i4@1q4r3i4@1f1#2i4K6S2r3i4@1q4r3i4@1f1@1i4@1u0n7i4@1p5#2i4@1f1#2i4K6S2r3i4K6R3J5i4@1f1^5i4K6R3H3i4K6R3K6i4@1f1@1i4@1t1^5i4K6S2n7i4@1f1%4i4K6W2m8i4K6R3@1

最后于 2023-4-4 16:10 被库尔编辑 ，原因：
2023-4-4 13:28
0
库尔
雪    币： 1372
活跃值： (2100)
能力值： ( LV2，RANK：10 )
在线值：
发帖
回帖
粉丝
私信
15 楼
总结你只需要能够清楚自定义gym和reward就行了。剩下算法，可以先套皮。
2023-4-4 13:32
0
IamHuskar
雪    币： 1277
活跃值： (6673)
能力值： ( LV13，RANK：240 )
在线值：
发帖
回帖
粉丝
私信
16 楼
库尔 总结你只需要能够清楚自定义gym和reward就行了。剩下算法，可以先套皮。
大佬啊。
2023-4-4 14:24
0
呆萌熊
雪    币： 41
活跃值： (299)
能力值： ( LV2，RANK：10 )
在线值：
发帖
回帖
粉丝
私信
17 楼
能来个视频更好了！！！
2024-1-13 18:27
0
qj111111
雪    币： 1353
活跃值： (6032)
能力值： ( LV3，RANK：20 )
在线值：
发帖
回帖
粉丝
私信
18 楼
库尔 总结你只需要能够清楚自定义gym和reward就行了。剩下算法，可以先套皮。
大佬你好,最近我也在思考能不能使用强化学习来优化脚本的打怪策略.我是专门写rpg游戏的.
可以收集到所有信息,比如怪物状态信息怪物技能轨迹,个人玩家人物信息,周围地形玩家信息.
一开始想用DQN,但是DQN局限性在于训练样本太多了通常要收集几千场对局数据.不太理想.
这样还不如自己手写的脚本策略.
不知道ppo，td3 这两种算法有哪些改进?
2024-3-26 01:14
0
库尔
雪    币： 1372
活跃值： (2100)
能力值： ( LV2，RANK：10 )
在线值：
发帖
回帖
粉丝
私信
19 楼
qj111111 大佬你好,最近我也在思考能不能使用强化学习来优化脚本的打怪策略.我是专门写rpg游戏的. 可以收集到所有信息,比如怪物状态信息怪物技能轨迹,个人玩家人物信息,周围地形玩家信息. 一开始想用DQN, ...
首选无脑是ppo + L2 正则化，PPO算是把时域变成频域。算是基于策略或者说对局经验的算法。TD3和PPO类似，不过PPO与DQN差距较大。
2024-9-11 11:04
0
养只猫不好么
雪    币： 1559
活跃值： (3981)
能力值： ( LV2，RANK：10 )
在线值：
发帖
回帖
粉丝
私信
20 楼
感谢分享
2024-9-11 13:19
0
mb_ndopjtji
雪    币： 200
能力值： ( LV1，RANK：0 )
在线值：
发帖
回帖
粉丝
私信
21 楼
感谢分享，这个hero是怎么识别的
2025-7-29 00:37
0
游客
登录 | 注册 方可回帖
回帖 表情 雪币赚取及消费
高级回复
返回