GraveRobberNinjia/game-view-ai

Game View AI Model - 游戏视图AI模型

一个用于分析和理解游戏画面的深度学习模型，基于PyTorch实现，可以轻松发布到Hugging Face Hub。

📋 项目简介

这个项目提供了一个完整的游戏视图AI模型实现，包括：

• 模型架构: 基于CNN的特征提取和分类网络
• 训练脚本: 完整的训练流程
• 推理脚本: 便捷的模型推理接口
• 配置文件: 灵活的配置管理

🚀 快速开始

安装依赖

pip install -r requirements.txt

使用预训练模型进行推理

from inference import GameViewInference
import numpy as np

# 创建推理器
inference = GameViewInference()

# 使用随机图像进行预测（实际使用时替换为真实图像）
test_image = np.random.randint(0, 255, (224, 224, 3), dtype=np.uint8)

# 预测类别
pred_class = inference.predict(test_image)
print(f"预测类别: {pred_class}")

# 获取概率分布
probs = inference.predict(test_image, return_probs=True)
print(f"概率分布: {probs}")

训练模型

python train.py --config config.json --data_dir data --epochs 10 --batch_size 32

📁 项目结构

pyModel/
├── model.py          # 模型架构定义
├── config.json       # 模型配置文件
├── train.py          # 训练脚本
├── inference.py      # 推理脚本
├── requirements.txt  # 依赖包列表
└── README.md         # 项目说明文档

🔧 配置说明

config.json 文件包含以下配置项：

• input_channels: 输入图像通道数（默认3）
• num_classes: 分类类别数（默认10）
• hidden_dim: 隐藏层维度（默认256）
• dropout: Dropout比率（默认0.3）
• image_size: 输入图像尺寸（默认[224, 224]）

📦 发布到Hugging Face

1. 安装Hugging Face Hub

pip install huggingface-hub

2. 登录Hugging Face（重要！）

必须先完成认证才能上传模型！

方式1: 使用命令行登录（推荐）

huggingface-cli login

然后输入你的token（在 https://huggingface.co/settings/tokens 获取）

方式2: 设置环境变量

export HUGGING_FACE_HUB_TOKEN=your_token_here

方式3: 在脚本中提供token

python upload_to_hf.py --repo_id your-username/game-view-ai --token your_token

3. 使用上传脚本（推荐）

python upload_to_hf.py --repo_id your-username/game-view-ai

脚本会自动：

• 检查认证状态
• 创建仓库（如果不存在）
• 上传所有必要文件

4. 手动上传（可选）

如果你想手动控制上传过程：

from huggingface_hub import HfApi, upload_folder
from pathlib import Path

# 创建API实例
api = HfApi()

# 创建仓库（如果不存在）
repo_id = "your-username/game-view-ai"
api.create_repo(repo_id, exist_ok=True)

# 上传文件
upload_folder(
    folder_path=".",
    repo_id=repo_id,
    ignore_patterns=["*.pyc", "__pycache__", "*.pth", "checkpoints/*"]
)

4. 使用Hugging Face上的模型

from huggingface_hub import hf_hub_download
from inference import GameViewInference

# 下载配置文件
config_path = hf_hub_download(repo_id="your-username/game-view-ai", filename="config.json")

# 下载模型权重（如果有）
model_path = hf_hub_download(repo_id="your-username/game-view-ai", filename="best_model.pth")

# 创建推理器
inference = GameViewInference(model_path=model_path, config_path=config_path)

🎯 模型架构

模型采用CNN架构，包含：

• 卷积层: 4层卷积块，逐步提取特征
• 批归一化: 每层卷积后添加BatchNorm
• 池化层: MaxPooling进行下采样
• 全连接层: 3层全连接网络进行分类

📊 训练数据格式

训练数据应组织为以下结构：

data/
├── class_0/
│   ├── image1.jpg
│   ├── image2.jpg
│   └── ...
├── class_1/
│   ├── image1.jpg
│   └── ...
└── ...

🔍 功能特性

• ✅ 支持单图像和批量图像推理
• ✅ 灵活的配置管理
• ✅ 完整的训练流程
• ✅ GPU/CPU自动切换
• ✅ 模型保存和加载
• ✅ 易于集成到Hugging Face Hub

📝 许可证

MIT License

🤝 贡献

欢迎提交Issue和Pull Request！

📧 联系方式

如有问题或建议，请通过GitHub Issues联系。