MaixPy之识别颜色-动态识别色块

Python学习数据分析最好的书，包括电子书、源代码以及数据集 Python for Data Analysis, 2nd Edition

【实例简介】

实时消息更新，实时用户上线显示快捷注册快捷登陆表情支持

xlwt包

利用python实现bp神经网络，采用误差逆传播算法训练模型，并在一个toy set上进行了验证

【实例简介】

一、俄罗斯方块DQN算法实验报告1. 网络结构图1 DQN网络结构2. 超参数 GAMMA = 0.99  # decay rate of past observations 设置增强学习更新公式中的累计折扣因子 OBSERVE = 500.  # timesteps to observe before training 设置观察期的迭代次数 EXPLORE = 500.  # frames over which to anneal epsilon 设置探索期的观察次数 FINAL_EPSILON = 0.002  # final value of epsilon 设置ε的最终最小值 INITIAL_EPSILON = 10.0  # starting value of epsilon 设置ε的初始值 REPLAY_MEMORY = 5900  # number of previous transitions to remember 设置replay memory的容量 BATCH = 32  # size of mini batch 设置每次网络参数更新世用的样本数目 K = 1  # only select an action every Kth frame, repeat prev for others，设置几帧图像进行一次动作， # K越大让控制台输出的速度变慢，游戏画面速度变快，机器人动作的速度变越迟缓。ACTIONS = 6  # number of valid actions 游戏动作数3.实验结果训练前期的self.score分数很低150左右，EPSILON=1.0，Q_MAX= 2.061341e-02：图2 EPSILON=1.0设置超参数EPSILON=0.05在1000步迭代之后：EPSILON固定在0.04999999999999416  Q_MAX = -1.163765e-01Self.score有明显的提升，但是之后无论训练多久都没有明显提升了。图3 EPSILON=0.05设置超参数EPSILON= 0.002在1001步迭代之后：EPSILON固定在0.000004 Q_MAX = 1.728995e 02Self.score可以轻松达到200以上。图4 EPSILON=0.000004设置超参数EPSILON= 0.000001在1001步迭代之后：EPSILON固定在-0.001998997999987482  Q_MAX = 1.899879e 03Self.score可以轻松达到200以上。图5 EPSILON=-0.002 【核心代码】用DQN来玩俄罗斯方块 tetrix_DQN ├── Wrapped Game Code│   └── tetris_fun.py├── deep_q_network.py├── logs_tetris│   ├── hidden.txt│   └── readout.txt└── saved_networks    ├── tetris-dqn-10000.data-00000-of-00001    ├── tetris-dqn-10000.index    ├── tetris-dqn-10000.meta    └── tetris-dqn-316600003 directories, 8 files

开发环境要求 本系统的软件开发及运行环境具体如下。 ü 操作系统：Windows 7、Windows 10。 ü  Python版本：Python 3.7.1。 ü 开发工具：PyCharm 2018。 ü Python内置模块：sys、random、codecs。 ü 第三方模块：pygame。 注意：在使用第三方模块时，首先需要使用pip install命令安装该模块，例如，安装pygame模块，可以在Python命令窗口中执行以下命令：pipinstall pygame 运行方法 打开PyCharm开发环境，然后在主菜单上选择File→Open菜单项，在打开的Open File or Project对话框中，选择项目foo，如图1所示。 Python项目开发案例集锦之5章

煎蛋网图片爬虫

《生成对抗网络入门指南》随书源码