加载中…
个人资料
用户6484143224
用户6484143224
  • 博客等级:
  • 博客积分:0
  • 博客访问:69
  • 关注人气:0
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
相关博文
推荐博文
正文 字体大小:

深度学习与CNN怎么训练和智能化游戏逻辑操作

(2018-11-25 16:25:50)
标签:

it

人工智能

cnn

我们在网上看到学到大部分都是CNN怎么智能化看图片。已经图片和视频信息分辨,这些都需要大量的数据集进行训练的,无可厚非,因为你只有见到过或者训练过才能识别。否则它也不能正确处理和分辨,当然一些特征存在他还是能够区分的。那我们怎么对游戏逻辑进行设定数据集然后训练呢。
1,定义你的数据集的触发条件的数据集
2,定义你的数据集触发条件的数据集的标签,
3,定义的CNN的数据模型,卷积层模型,以及全连接层的数据模型
4,设定柔性最大值的标签输出。
具体的举个例子。我们CNN做图片训练集训练的时候,都是像素数据,那么我们要做的就是把像素数据每一个像素都标记成游戏执行标签概率的条件,那么每一个像素数据都代表一个条件,这个条件是有先后的,像素也是有先后的,那么这就可以把像素变成条件成立的标记,那么要执行的逻辑就是定义标签的概率达到最大就行了。其实这不仅仅是游戏逻辑,大部分的人工智能开发基本都可以这么做。举个例子
我们定义一个数据集标签1代表技能攻击,他对应数据集就是条件1,我的技能冷却时间到了,条件2,你在我技能打击的范围内,条件3我的攻击比你强,条件4我的气血比你多,条件5。。。。。等等,你设定一个最大条件输出,条件不够,补0就行。所有的数据集都可以这么设定。然后就可以开始训练了。
大家可以尝试着做了

0

阅读 评论 收藏 转载 喜欢 打印举报/Report
  • 评论加载中,请稍候...
发评论

    发评论

    以上网友发言只代表其个人观点,不代表新浪网的观点或立场。

      

    新浪BLOG意见反馈留言板 电话:4000520066 提示音后按1键(按当地市话标准计费) 欢迎批评指正

    新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 会员注册 | 产品答疑

    新浪公司 版权所有