利用人工智能做射击游戏辅助（二）AlphaPose环境配置

本文主要是介绍利用人工智能做射击游戏辅助（二）AlphaPose环境配置，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一、anaconda安装

官网地址：Free Download | AnacondaAnaconda's open-source Distribution is the easiest way to perform Python/R data science and machine learning on a single machine.https://www.anaconda.com/download

下载之后下一步就可以，这里不多赘述。

二、虚拟环境的创建

在 Anaconda 中，你可以使用 conda 命令来创建、管理和删除虚拟环境。虚拟环境是一个独立的 Python 环境，可以包含特定版本的 Python 解释器和各种 Python 包，以便你可以在不同的项目中使用不同的依赖项。以下是创建和管理 Anaconda 虚拟环境的一些建议操作：

1.创建虚拟环境

conda create --prefix E:\ProjectFiles\python\alphaPose_python3.7 python=3.7

2.安装pytorch

此处需要选择与你机器上CUDA和cuDNN版本一致版本。

在官网地址中找到你要的版本：

Previous PyTorch Versions | PyTorchAn open source machine learning framework that accelerates the path from research prototyping to production deployment.https://pytorch.org/get-started/previous-versions/这是官网原版的命令：

# CUDA 10.1
pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

我们需要删除其中的：torchaudio==0.8.1使用以下命令安装：

pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 -f https://download.pytorch.org/whl/torch_stable.html

安装完成后 

import numpy
import torch
torch.cuda.is_available()
#返回True表示成功

3.安装需要的库

pip install -i https://mirrors.aliyun.com/pypi/simple -r requirements.txt

将requirements.txt中以下三个库删除，前两个我们已经安装，第三个python版本低安装不了。（不影响我们使用）

torch==0.4.0
torchvision==0.2.0
ntpath

4.测试

python demo.py --indir examples/demo --outdir examples/res --sp

--indir为图片输入路径

--outdir为图片输出路径

--sp为使用多线程

5.使用pycharm

将python环境更改为我们的虚拟环境后，

demo.py输入源为图像，其中需要添加否则报错。

args.sp = True  # 是否使用多进程

webcam_demo.py输入源为摄像头，默认webcam为0，机器的默认摄像头，如果需要使用手机摄像头。需要app：ip摄像头，并更改代码：

dataloader_webcam.py中：

        url = "http://admin:admin@192.168.0.101:8081/"self.stream = cv2.VideoCapture(url)# self.stream = cv2.VideoCapture(int(webcam))

第一次运行可能会遇到错误：

TypeError: Can't parse 'axes'. Sequence item with index 1 has a wrong type

这里我们需要更改代码，对数据类型进行转换：

文件：AlphaPose\AlphaPose-pytorch\fn.py

加入代码：

#此处类型转换是自己添加
tensor_value = torch.tensor(stickwidth)
stickwidth = int(tensor_value.item())
# print(stickwidth)
polygon = cv2.ellipse2Poly((int(mX),int(mY)), (int(length/2), stickwidth), int(angle), 0, 360, 1)

video_demo.py输入源为视频文件，需要添加以下代码：

args.save_video = True  #启动视频保存
args.vis_fast = True #使用更快的渲染方式
args.sp = True  # 是否使用多进程

并且需要指定视频默认位置：

parser.add_argument('--video', dest='video',help='video-name', default="examples/video/15.mp4")

6.效果：

这篇关于利用人工智能做射击游戏辅助（二）AlphaPose环境配置的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---