Mekan Yüklemesi

AI Arena python ortamına üç giriş kategorisi vardır:

1. Tur başına saniye (varsayılan 60'tır, ancak bunu eğitimde değiştirebilirsiniz)
2. Birbirine rakip iki model
   1. Rakip, girdi → çıktı standardına uyduğu sürece bir makine öğrenimi modeli veya kurallara dayalı bir aracı olabilir. Daha fazlasını öğrenmek için bkz. Kod Uyumu
3. Her iki model için de savaş özellikleri. Daha fazlasını öğrenmek için bkz. Oyun Mekanı

İşte girdileri başlatmanın bir örneği:

seconds_per_round = 60

model1 = your_ml_model(*params)
model2 = some_other_agent(*params)

attributes1 = your_attributes = {
    "power": 50,
    "speed": 62,
    "defence": 30,
    "accuracy": 78,
}
attributes2 = your_attributes = {
    "power": 45,
    "speed": 49,
    "defence": 90,
    "accuracy": 67,
}

Girdilerinizi aldıktan sonra, artık ortamı başlatabilirsiniz:

from env.game_environment import Game

env = Game(seconds_per_round)
env.load_fighters(model1, model2, attributes1, attributes2)

<aside> 💡 Kurulumdan hemen sonra yola koyulmanız için size başlangıç modelleri sağladığımızı unutmayın! Bunları kontrol etmek için şu adrese gidin: Başlangıç Modelleri

</aside>

Eğitim Modelleri

Modellerinizi istediğiniz gibi eğitmekte özgür olsanız da, başlamanıza yardımcı olacak iki şablon sunuyoruz:

• Tek Taraflı Destekli Öğrenme: Tek odak noktanız, bir aracıyı geliştirmek ve bu aracının eylemlerini sabit bir ortamda simüle etmektir. Karşılaştığınız rakip öğrenemediği için ortam hareketsizdir.
• Kendi Başına Oynama: Sonuçta birbirinin kopyası olan iki modeli eğitmekten sorumlusunuz. Kendi başına oyunda, rakibin politikası sürekli değiştiği için ortam hareketsiz değildir. Daha fazla bilgi için bkz: Kendi Başına Oynama.

Şablonlarımız hakkında daha fazla bilgi için bkz: Simülasyon Şablonları.

<aside> 💡 Size başlangıç şablonları vermemize rağmen, farklı eğitim yöntemlerini keşfetmekten çekinmeyin. Farklı yöntemlerin bazı örnekleri, Genetik Algoritmalar veya hatta kurallara dayalı bir etmen yazmak ve taklit öğrenme yoluyla bu politikayı öğrenmek için bir neural network eğitmek olabilir.

</aside>

Modelleri Dışa Aktarma

Eğitimi tamamladıktan sonra, AI Arena Araştırmacı Platformuna getirmek için, modelleri python'dan bir JSON dosyasına aktarmanız gerekir.

Platformumuzu kullanmak için bir Ethereum cüzdanına ihtiyacınız olacak. En yaygın kullanılanı Metamask'tır. Chrome uzantısını kullanmanızı öneririz. Kurulum hakkında daha fazla bilgi için bkz. Web3 Kurulumu.

Platformumuzla uyumlu hale getirmek için gereken özel şema hakkında bilgi edinmek için göz atın: Kod Uyumu.

Şu anda, python paketimiz aşağıdaki deep learning çerçeveleriyle dışa aktarmayı desteklemektedir:

• PyTorch
• Tensorflow v1 and v2

<aside> ⬅️ Önceki

</aside>

<aside> ➡️ Sonraki

</aside>