1

1

scripts/train_chengdu_mahjong_model.py

@@ -1,22 +1,28 @@
 import gym
 from stable_baselines3 import PPO
-from src.environment.chengdu_mahjong_env import MahjongEnv
+from src.environment.chengdu_mahjong_env import ChengduMahjongEnv
 import torch
 from configs.log_config import setup_logging
 
 def train_model():
     # 创建 MahjongEnv 环境实例
-    env = MahjongEnv()
+    env = ChengduMahjongEnv()
 
-    # 检查是否有可用的GPU
+    # 检查是否有可用的 GPU
     device = "cuda" if torch.cuda.is_available() else "cpu"
     print(f"使用设备: {device}")
 
-    # 使用 PPO 算法训练模型
-    model = PPO("MlpPolicy", env, verbose=1, tensorboard_log="../logs/ppo_mahjong_tensorboard/", device=device)
+    # 使用 PPO 算法训练模型，切换到 MultiInputPolicy
+    model = PPO(
+        "MultiInputPolicy",  # 更改为 MultiInputPolicy
+        env,
+        verbose=1,
+        tensorboard_log="../logs/ppo_mahjong_tensorboard/",
+        device=device
+    )
 
-    # 训练模型，训练总步数为100000
-    model.learn(total_timesteps=100)
+    # 训练模型，训练总步数为 100000
+    model.learn(total_timesteps=100000)
 
     # 保存训练后的模型
     model.save("../models/ppo_mahjong_model")
@@ -27,7 +33,7 @@ def train_model():
     while not done:
         action, _states = model.predict(obs)  # 使用训练好的模型来选择动作
         obs, reward, done, info = env.step(action)  # 执行动作
-        env.render()  # 打印环境状态
+        print(f"动作: {action}, 奖励: {reward}, 是否结束: {done}, 信息: {info}")
 
 if __name__ == "__main__":
     # 调用配置函数来设置日志