前言

上文我们已经成功的调用卷积网络训练ai并保存了，本文我们将会对训练完成的模型经行验收，并对本项目做一个总结。

注意事项

本文的代码执行有较大概率遇到网上很难搜索到解法的问题，为此，笔者特地写了一篇答疑帖，在本文中遇到问题，请查询问题总结与解法。

一、成果验收

1）验收代码

根据上文文末给出的代码，我们在训练之后已经得到训练完成的模型。

我们需要做的是将模型导入，让他试玩一下马里奥游戏看看到底训练的怎么样。

model = PPO.load('./train/best_model_120000')
state = environment.reset()

while True:
    action, _ = model.predict(state)
    state, reward, done, info = environment.step(action)
    environment.render()

此段的逻辑非常简单，我们使用PPO.load函数，加载一个训练模型，然后用reset函数重新开始游戏。
接下来，我们让模型预测出行为，将其输入环境，再将环境的变化返还给预测模型形成循环。最后将这个过程用render打印出来即可。
此段完整代码

import gym_super_mario_bros
from nes_py.wrappers import JoypadSpace
from gym_super_mario_bros.actions import SIMPLE_MOVEMENT

from gym.wrappers import GrayScaleObservation
from stable_baselines3.common.vec_env import VecFrameStack, DummyVecEnv

environment = gym_super_mario_bros.make('SuperMarioBros-v0')
environment = JoypadSpace(environment, SIMPLE_MOVEMENT)
environment = GrayScaleObservation(environment, keep_dim=True)
environment = DummyVecEnv([lambda : environment])
environment = VecFrameStack(environment , 4, channels_order='last')

from stable_baselines3 import PPO

model = PPO.load('./train/best_model_120000')
state = environment.reset()

while True:
    action, _ = model.predict(state)
    state, reward, done, info = environment.step(action)
    environment.render()

2）模型表现

使用之前文章给出的参数训练，训练量100000时可以完成简单的行为，如跳一格的管子等等，在1000000只有双层管子难以跨越。3000000+的训练量可以有效过关。
你可以调节learning_rate来改善学习的performance和速度。

二、项目小结

本项目意在为初次接触强化学习的朋友建立一个基础的概念——强化学习的代码和训练是怎么写的。我们在训练中，调用了很多开源库的算法，让我们的代码非常好写，在50以内就可以完成强化学习的训练。我们之后的项目会一点一点增加难度，帮助大家深入了解~
以后我会更新更多使用python编写的轻量级项目，麻烦在投票中决定以后需要更多什么内容~ 如果没有，欢迎评论留言~