去年，DeepMind开源将星际争霸II的强化学习环境公之于众，很多人都为之兴奋。

https://deepmind.com/blog/deepmind-and-blizzard-release-starcraft-ii-ai-research-environment/

我是暴雪游戏的忠实粉丝，尤其是星际争霸2，所以我把强化学习环境看成是一个学习的好机会，而且也有很多乐趣。我这篇文章将利用星际争霸2写一份建立环境和训练一些模型的入门教程。

前提

• IntelliJ (或者PyCharm)


• Python3


• 星际争霸2 (甚至启动包也在工作)


• GIT

本教程是基于Mac环境的。

在文章中，我们将运行训练脚本，以使用深度Q-Network来解决CollectMineralShards的迷你游戏。

当我们运行训练脚本时，你可以在如下视频中看到训练结果。
https://m.youtube.com/watch?v=xpdQYnnxAko&ebc=ANyPxKpYz12v2bTrItOMkx_0vJfOp7RM9Eh2d2JedrlgTQSx2jKElQYgkorgvlAFdWmaXCEeFJ7oNG3qyrSfq1CA0_mcpBdf4Q

教程大纲

1)安装pysc2

2)Star & Fork pysc2-examples

3)克隆pysc2-examples库

4)下载迷你游戏星际争霸2地图

5)安装Tensorflow，基线库

6)使用IntelliJ(或PyCharm)打开项目

7)运行训练脚本

8)运行预先训练的模型

现在开始。

1）安装pysc2

首先，我们将安装pysc2库。你可以在终端上输入命令。(因为我们使用的是python3，所以你必须输入pip3)

pip3 install pysc2

然后pysc2安装完毕。

2)Star & Fork pysc2-examples

接下来，打开右边的Github链接。https://github.com/chris-chris/pysc2-examples

这是最重要的一步！

3)克隆pysc2-examples库

让我们克隆这个项目。你可以使用下面这个简单的命令克隆存储库。

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

然后，你将在计算机上看到“pysc2-examples”目录。

4)下载迷你游戏星际争霸2地图

在运行训练脚本之前，我们必须下载迷你游戏地图。并将这些地图保存到StarCraft II/Maps目录中。

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

我是Mac用户，下面是我的星际争霸2地图的位置

/Applications/StarCraft II/Maps/mini_games

如果你是一个Windows用户，可以在StarCraft II/Maps/mini_games目录中保存地图。

对于Linux用户，在 ~/StarCraft II/Maps/mini_games目录中保存地图。

5)安装Tensorflow，基线库

我们需要更多的库！比如Google Tensorflow和OpenAI基线库。你可以通过键入下面的命令来安装这些库。

pip3 install tensorflow

pip3 install baselines

我使用OpenAI的基线库实现了增强模型。因为OpenAI的基线库依赖于Tensorflow，所以我们需要安装Tensorflow。
我认为OpenAI的基线是Deep Q-Network的最好的实现，这也是我使用它的原因！

我希望阅读本文的大多数读者已经安装了Tensorflow库:)

6)使用IntelliJ(或PyCharm)打开项目

通过键入下面的命令，训练将开始。

python3 train_mineral_shards.py

我强烈建议你在IDE(集成开发环境)中开发你的强化学习。这是因为我将使用调试模式来解释细节环境变量:)我现在在IntelliJ上运行这个项目。

执行IntelliJ或PyCharm，并且打开我们克隆的项目文件夹。



然后设置Project Structure.

选择[File > Project Structure]菜单.



在Module SDK上选择Python3 SDK。
如果你找不到SDK，请单击[New...]按钮并添加你的python3二进制文件。

7)运行训练脚本

然后，让我们运行训练脚本。右键单击train_mineral_shards.py，然后选择[Run 'train_mineral_shards']菜单。



然后在执行星际争霸2的时候，你会看到控制台上的日志。



这是控制台日志的简要说明。

• steps:我们发送给海军陆战队（marines）的命令的数量。


• episodes: 我们玩的游戏的集数。


• mean 100 episode reward:上100集的平均奖励。


• mean 100 episode min…:上100集的平均矿物。


• % time spent exploring:探索(探索和开发)的百分比。

目前，我设置了运行2000万步的训练脚本。(它花费了很多时间，所以如果你想在你的笔记本上运行，我建议你将训练步骤设置为50万步)。

8)运行预先训练的模型

我编写了程序，在所有训练步骤之后将训练过的模型保存到mineral_shards.pkl文件中。

act.save("mineral_shards.pkl")

如果你想使用这种预先训练的模型，你可以执行enjoy脚本。右键单击 enjoy_mineral_shards.py，然后选择[Run 'enjoy_mineral_shards']菜单。



然后你就可以看到预先训练的CollectMineralShards地图。

结论

在本文中，我介绍了设置环境和对模型进行训练的方式。

未来的教程

• 了解Deep Q-Network算法


• 了解星际争霸2的环境(观察和行动)


• 在星际争霸2的迷你游戏中，开发Deep Q-Network