目录
环境上传
先将docker环境和训练代码都上传到云服务器上去。
使⽤scp复制: scp 本地文件名 root@IP地址:文件地址
scp fighting_game_docker_images.tar root@124.70.77.81:/root
scp mindspore_dqn.zip root@124.70.77.81:/root
scp mindspore_ac.zip root@124.70.77.81:/root
如下图，需要等待上传完成。
环境安装
登录华为云上的ubuntu20.04云服务器
ssh root@124.70.77.81
安装包含格斗游戏运行环境的Docker镜像以及运行脚本
#Docker在华为云的安装
curl -fsSL get.docker.com -o get-docker.sh
sh get-docker.sh --mirror Aliyun
#Docker镜像导入
docker load < fighting_game_docker_images.tar
#zip解压，没有zip安装zip
apt install zip
unzip mindspore_dqn.zip
此处第一次报错如下：
重新连接服务器后又好了
安装好docker
将包含fightingICE游戏的docker镜像导入
训练
将环境安装好，以及待训练代码解压完成后，可以开始进行训练。
#以下在服务器中所有命令均围绕着mindspore_dqn这个文件夹展开
cd mindspore_dqn
bash start_train.sh
#查看docker容器是否运行
docker ps
当以上命令运行后，你会在
train_log.tx
t中获得和下面内容相似的输出，这个证明你已经运行成功。
At the end, own_hp 0: opp_hp 215. you lose.
Episode 0: loss is 0.534, rewards is -18.39
如果需要查看报错日志，则打开
train_error_log.txt
文件下操作。
如果需要停止则运行
bash stop.sh
测试
将训练后的模型与内置AI进行对战，获对抗录像log文件，需要将log文件在Win10系统下通过FightingICE软件展示。
如下展示使用
./ckpt/policy_net/policy_net_1000.ckpt
模型与
内置AI
对抗，生成对抗录像log文件的指令：
bash start_eval.sh ./ckpt/policy_net/policy_net_1000.ckpt