PySC2 项目教程
2024-09-27 21:21:09作者:殷蕙予
1. 项目的目录结构及介绍
PySC2 项目的目录结构如下:
pysc2/
├── bazel/
├── docs/
├── pysc2/
│ ├── agents/
│ ├── bin/
│ ├── lib/
│ ├── maps/
│ ├── run_configs/
│ ├── tests/
│ └── __init__.py
├── .gitignore
├── CONTRIBUTING.md
├── LICENSE
├── README.md
├── WORKSPACE
└── setup.py
目录结构介绍
- bazel/: 包含 Bazel 构建工具的相关配置文件。
- docs/: 包含项目的文档文件,如环境配置、地图配置等。
- pysc2/: 项目的主要代码目录,包含以下子目录:
- agents/: 包含各种代理(agent)的实现,如随机代理、脚本代理等。
- bin/: 包含可执行脚本,如运行代理、播放游戏等。
- lib/: 包含项目依赖的库文件。
- maps/: 包含地图配置文件和自定义地图。
- run_configs/: 包含运行配置文件。
- tests/: 包含项目的测试文件。
- init.py: Python 包初始化文件。
- .gitignore: Git 忽略文件配置。
- CONTRIBUTING.md: 贡献指南。
- LICENSE: 项目许可证文件。
- README.md: 项目介绍和使用指南。
- WORKSPACE: Bazel 工作区配置文件。
- setup.py: Python 项目安装配置文件。
2. 项目的启动文件介绍
PySC2 项目的启动文件主要位于 pysc2/bin/ 目录下,常用的启动文件包括:
- agent.py: 用于启动代理(agent),可以指定地图和代理类型。
- play.py: 用于以人类玩家的身份运行游戏,主要用于调试和可视化。
- map_list.py: 用于列出可用的地图。
- run_tests.py: 用于运行项目的测试。
启动示例
# 启动一个随机代理在 Simple64 地图上
python -m pysc2.bin.agent --map Simple64
# 以人类玩家身份运行游戏
python -m pysc2.bin.play --map Simple64
# 列出所有可用的地图
python -m pysc2.bin.map_list
3. 项目的配置文件介绍
PySC2 项目的配置文件主要包括以下几个部分:
- setup.py: 项目的安装配置文件,定义了项目的依赖和安装方式。
- WORKSPACE: Bazel 工作区配置文件,定义了 Bazel 构建工具的依赖和配置。
- pysc2/maps/: 包含地图配置文件,定义了地图的属性和规则。
- pysc2/run_configs/: 包含运行配置文件,定义了运行时的配置选项。
配置文件示例
setup.py
from setuptools import setup, find_packages
setup(
name="pysc2",
version="4.0.0",
packages=find_packages(),
install_requires=[
"absl-py",
"numpy",
"pygame",
"portpicker",
"six",
"websocket-client",
],
entry_points={
"console_scripts": [
"pysc2_play=pysc2.bin.play:main",
"pysc2_agent=pysc2.bin.agent:main",
"pysc2_map_list=pysc2.bin.map_list:main",
],
},
)
pysc2/maps/simple64.py
from pysc2.maps import lib
class Simple64(lib.Map):
directory = "mini_games"
players = 2
score_index = 0
game_steps_per_episode = 0
step_mul = 8
game_type = "MELEE"
通过这些配置文件,可以自定义项目的安装、运行和地图配置。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
8
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
654
279
暂无简介
Dart
637
145
Ascend Extension for PyTorch
Python
199
219
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
React Native鸿蒙化仓库
JavaScript
246
316
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
213
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.12 K
630
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
76
100