LYiHub/pub-street-fighter-ai

选用指南

AI 根据 README 整理 · 2026/10/14 17:36:02

使用方式

通过命令行运行测试和训练，支持参数调整。

查看 README 依据

Windows PowerShell 中使用 `$env:SF2_ROM_PATH = "C:\path\to\your\rom.md"`。也可以将 ROM 放在项目的 `data/street-fighter-ii-special-champion-edition-usa.md` 路径下。训练和测试程序会自动导入 ROM；如果当前 Python 环境的 Stable-Retro 已导入该 ROM，可以直接使用。 `data/` 中的 12 个 `.state` 文件保存了各关卡的开局状态，两个 `.json` 文件定义了游戏内存变量和场景配置。程序会直接读取这些文件，无需手动复制到 Stable-Retro 的安装目录。至此，环境配置准备工作完成。 ### 运行测试 环境配置完成后，可以运行 `main/test.py`，实际体验智能代理的对战表现： ```bash python -m main.test --episodes 1 ``` 默认测试会依次加载第 1～12 关的开局存档，每关采用三局两胜。`--episodes 1` 表示完整测试一轮全部 12 关对战；省略该参数时，默认测试 10 轮。某关失败后仍会继续测试后面的关卡，终端会输出每关的胜负、奖励、关卡胜率，以及十二关全部获胜的比例。 如果只关心测试结果、不需要观看对局，可以关闭游戏画面：

| `--device auto/cpu/cuda/mps` | 选择模型推理设备 | `auto` | | `--speed N` | 通过减少显示帧数加快可视化 | `4` | ### 训练模型 如果想要训练自己的模型，可以运行 `main/train.py`。建议先使用每关一个模拟器的配置，根据机器资源调整训练规模： ```bash python -m main.train --envs-per-level 1 --batch-size 256 --log-dir runs/ryu ``` 直接运行 `python -m main.train` 时，默认每关使用 64 个模拟器，共 768 个；一次更新收集 98,304 个样本，总训练目标为 7 亿步。这一配置需要充足的 CPU 和内存，应根据实际硬件调整。 常用训练参数如下： | 参数 | 作用 | 默认值 | | --- | --- | --- | | `--envs-per-level N` | 指定每关的并行环境数量 | 未指定时每关 64 个 | | `--total-timesteps N` | 本次训练的总步数；续训时为追加步数 | `700000000` | | `--n-steps N` | 每个模拟器一次更新前的采样步数 | `128` |

部署要求

需要 Python 3.10 环境，以及《街头霸王 2：冠军特别版》美版 ROM 文件，需自行获取。

查看 README 依据

游戏配置文件存储在 `data/` 文件夹下；项目的主要代码文件夹为 `main/`。`logs/` 中包含了训练过程的数据曲线，`logs/trained_models/` 中包含了模型权重文件，可以用于在 `test.py` 中运行测试，观看 AI 模型学习到的对战策略。 ## 运行指南 本项目基于 Python 编程语言，主要使用了 [Gymnasium](https://gymnasium.farama.org/)、[Stable-Retro](https://github.com/Farama-Foundation/stable-retro)、[Stable-Baselines3](https://stable-baselines3.readthedocs.io/) 等开源代码库。建议使用 Python 3.10 配置环境；当前版本已在 macOS / Apple Silicon / Python 3.10.20 环境中验证 CPU 和 Apple MPS 路径。以下为控制台/终端指令，均从项目根目录执行。 ### 环境配置 ```bash # 创建 Python 虚拟环境并安装依赖 python3.10 -m venv .venv source .venv/bin/activate

python -m pip install -r requirements.txt ``` 也可以使用 [Anaconda](https://www.anaconda.com/) 创建 Python 3.10 环境，再安装 `requirements.txt` 中的依赖。Windows 使用虚拟环境时，激活命令为 `.venv\Scripts\activate`；其他平台的安装要求请参考 Stable-Retro 和 PyTorch 的官方说明。 运行程序还需要《街头霸王·二：冠军特别版》美版的游戏 ROM 文件（可以理解为游戏程序本身）。Stable-Retro 不提供游戏 ROM，本项目也不包含该文件，需要自行通过合法途径获得。准备好支持的 ROM 后，通过环境变量指定其绝对路径： ```bash export SF2_ROM_PATH="/absolute/path/to/your/rom.md" ```

已知限制

默认训练配置需要大量 CPU 和内存，需根据硬件调整。

查看 README 依据

| `--device auto/cpu/cuda/mps` | 选择模型推理设备 | `auto` | | `--speed N` | 通过减少显示帧数加快可视化 | `4` | ### 训练模型 如果想要训练自己的模型，可以运行 `main/train.py`。建议先使用每关一个模拟器的配置，根据机器资源调整训练规模： ```bash python -m main.train --envs-per-level 1 --batch-size 256 --log-dir runs/ryu ``` 直接运行 `python -m main.train` 时，默认每关使用 64 个模拟器，共 768 个；一次更新收集 98,304 个样本，总训练目标为 7 亿步。这一配置需要充足的 CPU 和内存，应根据实际硬件调整。 常用训练参数如下： | 参数 | 作用 | 默认值 | | --- | --- | --- | | `--envs-per-level N` | 指定每关的并行环境数量 | 未指定时每关 64 个 | | `--total-timesteps N` | 本次训练的总步数；续训时为追加步数 | `700000000` | | `--n-steps N` | 每个模拟器一次更新前的采样步数 | `128` |