MinesweeperCNN

Convolutional Residual Network-based Minesweeper AI / 基于卷积残差神经网络的扫雷AI

项目概览

本项目实现了基于深度学习的扫雷AI，它利用卷积残差网络 (ResNet) 来分析扫雷棋盘状态，并预测每个未揭开格子是雷的概率。该模型支持任意尺寸和密度的扫雷棋盘处理。

项目结构

Minesweeper/
├── networks/
│   └── Minesweeper_CNN.py  # 神经网络定义部分
├── core/
│   ├── logger.py           # 日志模块
│   └── config.py           # 参数设置区
├── models/
├── tools/
│   └── GPU_benchmark.py    # GPU算力基准测试
├── Minesweeper.py          # 扫雷游戏
├── inference.py            # 推理脚本
├── train.py                # 训练脚本
├── requirements.txt
└── README.md

快速上手

MinesweeperCNN采用标准且规范的神经网络项目设计。由于其数据集是扫雷的雷区分布，其会在每次训练时随机生成，故没有显式的数据集存放位置。

train.py

神经网络的训练脚本。

inference.py

载入训练好的模型进行神经网络推理。默认存放于models/下。

Minesweeper.py

扫雷程序，是神经网络训练的依赖项，同时直接运行即可直接游玩。