• 大小: 8.9MB
    文件类型: .zip
    金币: 1
    下载: 0 次
    发布日期: 2023-11-10
  • 语言: Python
  • 标签: 游戏  神经网络  

资源简介

使用python自己实现神经网络操纵小车,使用TensorFlow框架实现神经网络操纵小车,神经网络入门.

资源截图

代码片段和文件信息

# 定义网络结构向外提供接口

import tensorflow as tf


def add_layer(inputs in_size out_size activation_function=None):
    “““
    :param input: 数据输入
    :param in_size: 输入大小
    :param out_size: 输出大小
    :param activation_function: 激活函数(默认没有)
    :return:output:数据输出
    “““
    Weights = tf.Variable(tf.random_normal([in_size out_size]))
    biases = tf.Variable(tf.zeros([1 out_size]) + 0.1)
    Wx_plus_b = tf.matmul(inputs Weights) + biases
    if activation_function is None:
        outputs = Wx_plus_b
    else:
        outputs = activation_function(Wx_plus_b)
    return outputs


xs = tf.placeholder(tf.float32 [None 7])
ys = tf.placeholder(tf.float32 [None 2])

# 定义神经网络结构
hidden_layer1 = add_layer(xs 7 30 activation_function=tf.nn.sigmoid)
prediction = add_layer(hidden_layer1 30 2 activation_function=tf.nn.sigmoid)

loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys - prediction) reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)

saver = tf.train.Saver()

sess = tf.Session()

saver.restore(sess “model/nn_car“)


def get_res_by_tf(data):
    return sess.run(prediction feed_dict={xs: [data]})

# print(sess.run(prediction
#                feed_dict={xs: [[94.26076 63.94289 65.73067 198.38091 118.97282 180.00000 5.16617]]}))

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2020-01-29 12:01  RacingGame\
     目录           0  2020-01-29 12:01  RacingGame\.idea\
     文件         520  2019-12-11 10:38  RacingGame\.idea\RacingGame.iml
     目录           0  2019-12-10 09:55  RacingGame\.idea\inspectionProfiles\
     文件         174  2019-10-19 10:39  RacingGame\.idea\inspectionProfiles\profiles_settings.xml
     文件        2358  2020-01-08 09:56  RacingGame\.idea\markdown-navigator-enh.xml
     文件        5426  2020-01-08 09:56  RacingGame\.idea\markdown-navigator.xml
     文件         197  2019-12-11 10:38  RacingGame\.idea\misc.xml
     文件         279  2019-10-19 10:39  RacingGame\.idea\modules.xml
     文件         185  2019-10-30 18:18  RacingGame\.idea\vcs.xml
     文件       23069  2020-01-29 12:01  RacingGame\.idea\workspace.xml
     目录           0  2020-01-11 23:25  RacingGame\ai_logic_使用tensorflow框架\
     文件        8201  2020-01-11 23:25  RacingGame\ai_logic_使用tensorflow框架\MotorRacing.py
     文件           0  2019-10-19 10:47  RacingGame\ai_logic_使用tensorflow框架\__init__.py
     目录           0  2020-01-09 14:17  RacingGame\ai_logic_使用tensorflow框架\__pycache__\
     文件         145  2020-01-08 10:09  RacingGame\ai_logic_使用tensorflow框架\__pycache__\__init__.cpython-37.pyc
     文件        1333  2020-01-09 14:17  RacingGame\ai_logic_使用tensorflow框架\__pycache__\ai.cpython-37.pyc
     文件        1437  2020-01-09 14:17  RacingGame\ai_logic_使用tensorflow框架\ai.py
     目录           0  2020-01-09 10:23  RacingGame\ai_logic_使用tensorflow框架\data\
     文件       34068  2019-10-19 18:44  RacingGame\ai_logic_使用tensorflow框架\data\data.txt
     文件        8972  2019-10-19 18:44  RacingGame\ai_logic_使用tensorflow框架\data\res.txt
     文件        5304  2020-01-09 11:01  RacingGame\ai_logic_使用tensorflow框架\game_ai_test.py
     文件        5052  2020-01-09 11:04  RacingGame\ai_logic_使用tensorflow框架\game_generate_data.py
     目录           0  2020-01-09 11:02  RacingGame\ai_logic_使用tensorflow框架\model\
     文件          69  2020-01-09 11:02  RacingGame\ai_logic_使用tensorflow框架\model\checkpoint
     文件        1208  2020-01-09 11:02  RacingGame\ai_logic_使用tensorflow框架\model\nn_car.data-00000-of-00001
     文件         214  2020-01-09 11:02  RacingGame\ai_logic_使用tensorflow框架\model\nn_car.index
     文件       24461  2020-01-09 11:02  RacingGame\ai_logic_使用tensorflow框架\model\nn_car.meta
     文件        1690  2020-01-08 11:34  RacingGame\ai_logic_使用tensorflow框架\training_model.py
     目录           0  2020-01-09 11:04  RacingGame\ai_logic_自己实现神经网络\
     文件        1918  2020-01-08 13:30  RacingGame\ai_logic_自己实现神经网络\Activators.py
............此处省略38个文件信息

评论

共有 条评论