Tutorial Open AI Gym - Nuestro bot cobra vida (3/3)

3.Vemos nuestro bot funcionando

• Hola a todos, en esta ocasión finalizamos con nuestro  tutorial de open ai gym (Open AI) , que es un conjunto de herramientas para desarrollar y comparar algoritmos de aprendizaje. Es compatible con enseñar a los agentes de todo, desde caminar hasta jugar juegos como Pong o Pinball.

•  En el siguiente vídeo podemos ver como como acabamos la implementación de nuestro propio agente de juego. Vemos como entrenar al modelo y también podremos contemplar a nuestro bot jugando su primera partida.

• Código fuente visto en el vídeo:

#Con esta función contruimos nuestros mmodelo.Nuestra red neuronal

def build_model(input_size, output_size):

    model = Sequential()

    model.add(Dense(128, input_dim=input_size, activation='relu'))

    model.add(Dense(52, activation='relu'))

    model.add(Dense(output_size, activation='linear'))

    model.compile(loss='mse', optimizer=Adam())

    return model

#creamos la función que entrenará nuestro modelo

def train_model(training_data):

    X = np.array([i[0] for i in training_data]).reshape(-1, len(training_data[0][0]))

    y = np.array([i[1] for i in training_data]).reshape(-1, len(training_data[0][1]))

    model = build_model(input_size=len(X[0]), output_size=len(y[0]))

    

    model.fit(X, y, epochs=10)

    return model

trained_model = train_model(training_data)

scores = []#inicializamos puntuaciones y array de elecciones

choices = []

for each_game in range(1):#jugamos 100 partidas

    score = 0

    prev_obs = []

    for step_index in range(goal_steps):#Jugamos 500 pasos por partida

        

        env.render()

        if len(prev_obs)==0:

            action = random.randrange(0,2)#en el primer paso elegimos movimiento al azar

        else:

            #A partir del segundo paso conocemos el estado actual del juego.

            #Entonces, tomaremos esa observación y se la daremos a nuestro 

            #modelo para predecir qué acción debemos tomar. 

            action = np.argmax(trained_model.predict(prev_obs.reshape(-1, len(prev_obs)))[0])

        #guardamos elección

        choices.append(action)

        new_observation, reward, done, info = env.step(action)

        prev_obs = new_observation

        score+=reward

        if done:

            break

    env.reset()

    scores.append(score)

print(scores)

print('Average Score:',sum(scores)/len(scores))

print('choice 1:{}  choice 0:{}'.format(choices.count(1)/len(choices),choices.count(0)/len(choices)))