Skip to content

Latest commit

 

History

History
128 lines (96 loc) · 3.56 KB

README.zh-CN.md

File metadata and controls

128 lines (96 loc) · 3.56 KB

AutoAI

icon

自動化AI德州撲克牌局

演示 Demo

📁 目录结构

🎮 扑克引擎

📊 测试图

  • 3人
  • 4人

📋 结果

💾 存储数据集

  • chart.py
    • 位置0的玩家将使用此类别来储存与显示图表
    • 儲存來自AutoAI.py的測試結果
  • data_set.py
    • (仅NC模型会呼叫函数来储存游戏资料)
  • NC_3_players_data_set.csv
    • 储存NC玩3人扑克游戏的资料
  • NC_4_players_data_set.csv
    • 储存NC玩4人扑克游戏的资料

🤖 人工智能模型

  • 数控模型: CNN AI模型 (3人、4人资料集个别训练)
  • NC2型号: CNN AI模型(3+4人混合训练)
  • OCmodel: CNN 训练的AI模型
  • 射频模型:随机森林训练的AI模型

🎯 AutoAI.py

  • 启动游戏介面的主程式
  • 用于展示

⚙️ 如何执行?

  1. 安装requirement.txt中的模组
pip install -r requirement.txt

(requirement.txt可能缺少某些套件，请从错误讯息安装所有其他需要的套件)

  1. 如果AutoAI檔案不是安装在F:\，请修改以下路径

在以下Python档案中修改路径

NC_AutoAImodel.py

def predict(self):
    if self.get_players()==3:
        with open('F:\\AutoAI\\NCmodel\\model-3p\\model3.config', 'r') as json_file: #路徑
            json_string = json_file.read()
        model = Sequential()
        model = model_from_json(json_string)
        model.load_weights('F:\\AutoAI\\NCmodel\\model-3p\\model3.weight', by_name=False) #路徑
    elif self.get_players()==4:
        with open('F:\\AutoAI\\NCmodel\\model-4p\\model4.config', 'r') as json_file: #路徑
            json_string = json_file.read()
        model = Sequential()
        model = model_from_json(json_string)
        model.load_weights('F:\\AutoAI\\NCmodel\\model-4p\\model4.weight', by_name=False) #路徑

NC2_AutoAImodel.py

def predict(self):
    with open('F:\\AutoAI\\NCmodel\\model-3+4p\\model3+4.config', 'r') as json_file: #路徑
            json_string = json_file.read()
    model = Sequential()
    model = model_from_json(json_string)
    model.load_weights('F:\\AutoAI\\NCmodel\\model-3+4p\\model3+4.weight', by_name=False) #路徑

OC_AutoAImodel.py

def predict(self):
    with open('F:\\AutoAI\\OCmodel\\model.config', 'r') as text_file: #路徑
        json_string = text_file.read()
    model = Sequential()
    model = model_from_json(json_string)
    model.load_weights('F:\\AutoAI\\OCmodel\\model.weight', by_name=False) #路徑

RF_AutoAImodel.py

def predict(self):
    model = joblib.load(r"F:\AutoAI\RFmodel\my_random_forest.joblib") #路徑
  1. 编译并执行AutoAI.py
  2. 设定游戏初始值(应大于小盲注)
  3. 点击Show Player Algorithm按钮
  4. 选择想要的演算法
  5. 点击Run Poker Game按钮

⚠️ 注意事项

  • 🚫 不要在同一场游戏中选择相同的AI
  • ⚠️ 玩家人数应为3-4人
  • ⏳ 执行游戏需要一些时间，可以在VS Code终端机中查看进度