參考github案例，通過
Deep Reinforcement Learning（DQN算法）訓練能玩貪喫蛇的AI。
環境搭建
基於python + tensorflow + Keras搭建訓練環境
1、安裝python 3.6，pip鏡像源爲https://pypi.tuna.tsinghua.edu.cn/simple
2、從pip鏡像源手動安裝以下內容：tensorflow 1.13.2、protobuf 3.19.5、h5py 2.10.0、Keras 2.0.0。手動安裝原因爲github案例爲2018年版本，直接安裝最新py庫存大量報錯。
3、拉取github案例
https://github.com/YuriyGuts/snake-ai-reinforcement 到本地
4、打開案例的requirements.txt文件，刪除tensorflow、protobuf、h5py、keras依賴項。第2步已手動安裝。
5、切換到案例目錄，執行 pip install --upgrade -r requirements.txt
現在環境準備好了，接下來就是訓練了。
訓練
打開cmd，切換到案例目錄，輸入py.exe train.py --level "snakeai/levels/10x10-blank.json" --num-episodes 30000
3000的含義是訓練30000個樣本，訓練開始後如下圖
默認是CPU計算，i7 9700K級別訓練30000場耗時約8小時
訓練完成後得到的dqn-final.model文件爲DQN模型了，接下來我們可以看AI玩的效果
試玩
打開cmd切換到案例目錄，輸入py.exe play.py --interface gui --agent dqn --model “dqn-final.model”--level "snakeai/levels/10x10-blank.json" --num-episodes 10
enjoy yourself~
參考資料：
1、Introduction to DQN https://zhuanlan.zhihu.com/p/145102068
2、nake-ai-reinforcement https://github.com/YuriyGuts/snake-ai-reinforcement
3、Introduction to Deep Reinforcement Learning https://zhuanlan.zhihu.com/p/25239682
4、Dota 2 with Large Scale Deep Reinforcement Learning
5、Mastering Complex Control in MOBA Games with Deep Reinforcement Learning
6、https://blog.csdn.net/weixin_45590789/article/details/105666453
7、https://cloud.tencent.com/developer/article/1860809
8、
https://zhuanlan.zhihu.com/p/62225540