Open wanjeans33 opened 4 months ago
林哥你好，
小老弟是你的老粉丝了，这次用了你的项目做了个小组作业，感谢你的分享！
在你的基础上我做了一些尝试，试图训练一个可以稳定打赢整场的AI。我先试图用随机的第一和第二局来训练，但是结果不是很理想。可能是由于敌人起始变化太大，最后模型(10m-steps)结果达到胜率58%。
随后尝试了使用整个三局两胜进行训练，重构了steps中的done条件。加入了self.jump和self.round_end，用于跳过过场和记录round是否结束。在经过了大致5m steps后reward基本收敛。测试以后达到了98%的胜率。非常令人激动！！
以下是我的tensorboard训练结果蓝线是random训练结果，紫线是entire match训练结果
我pull了general（三局两胜）的代码与结果，random的方法我再尝试通过调试reward function 获得更快的学习速率暂时就不上传了，希望能够pull我的结果给大家一起分享。
祝一切安好！ Jing WANG
林哥你好，
小老弟是你的老粉丝了，这次用了你的项目做了个小组作业，感谢你的分享！
在你的基础上我做了一些尝试，试图训练一个可以稳定打赢整场的AI。我先试图用随机的第一和第二局来训练，但是结果不是很理想。可能是由于敌人起始变化太大，最后模型(10m-steps)结果达到胜率58%。
随后尝试了使用整个三局两胜进行训练，重构了steps中的done条件。加入了self.jump和self.round_end，用于跳过过场和记录round是否结束。在经过了大致5m steps后reward基本收敛。测试以后达到了98%的胜率。非常令人激动！！
以下是我的tensorboard训练结果蓝线是random训练结果，紫线是entire match训练结果
我pull了general（三局两胜）的代码与结果，random的方法我再尝试通过调试reward function 获得更快的学习速率暂时就不上传了，希望能够pull我的结果给大家一起分享。
祝一切安好！ Jing WANG