shyamsn97/mario-gpt

원문 발행 2024. 07. 22. 23:09원문 언어 영어AI 한국어 번역GitHub AI Coding Assistants 원문 보기

요약

MarioGPT는 Super Mario Bros 레벨 데이터셋으로 파인튜닝된 GPT2 모델로, 간단한 텍스트 프롬프트만으로 게임 레벨을 생성할 수 있게 합니다. 사용자는 Huggingface를 통해 모델에 접근하거나, 제공되는 라이브러리를 사용하여 직접 학습 및 추론 코드를 실행할 수 있습니다.

핵심 포인트

Super Mario Bros 데이터로 파인튜닝된 GPT2 기반의 레벨 생성 모델입니다.
텍스트 프롬프트만으로 게임 레벨을 생성하는 것이 가능합니다.
Huggingface와 전용 라이브러리를 통해 사용 및 학습이 용이합니다.
Java 설치를 통해 인터랙티브한 플레이 및 A* 탐색 기능을 사용할 수 있습니다.

Architecture	Example Prompt Generations

MarioGPT는 The Video Game Level Corpus에서 제공하는 Super Mario Bros 및 Super Mario Bros: The Lost Levels 레벨의 일부 데이터셋으로 학습된 파인튜닝(finetuned) GPT2 모델(구체적으로 distilgpt2)입니다. MarioGPT는 간단한 텍스트 프롬프트에 따라 레벨을 생성할 수 있습니다. 이 생성이 완벽하지는 않지만, 더 제어 가능하고 다양한 레벨/환경 생성을 위한 훌륭한 첫걸음이라고 생각합니다. 순방향(Forward generation):

python3.8+

from pypi

pip install mario-gpt

또는 소스에서

git clone [email protected]:shyamsn97/mario-gpt.git
python setup.py install

저희 모델들은 훌륭한 transformers 라이브러리를 기반으로 구축되었기 때문에, 저희는 모델을 https://huggingface.co/shyamsn97/Mario-GPT2-700-context-length에 호스팅합니다.

이 코드 스니펫은 마리오 레벨을 생성하는 데 필요한 최소한의 코드입니다!

from mario_gpt import MarioLM, SampleOutput
# pretrained_model = shyamsn97/Mario-GPT2-700-context-length
mario_lm = MarioLM()
...

MarioGPT를 학습시키는 코드는 매우 간단하고 직관적이며, 학습 클래스는 여기에 위치하며 작은 예제 노트북이 있습니다.

import torch
from mario_gpt import MarioDataset, MarioLM, TrainingConfig, MarioGPTTrainer
# 기본 gpt 모델 생성
...

현재 생성된 레벨과 상호작용하는 방법은 두 가지가 있습니다:

Huggingface 데모 -- multimodalart의 놀라운 작업 덕분에 브라우저에서 레벨을 생성하고 인터랙티브하게 플레이할 수 있습니다! 게다가, GPU가 제공되므로 직접 소유할 필요가 없습니다.
play 및 astar 메서드 사용. 이들은 컴퓨터에 java가 설치되어 있어야 합니다(Java 8+ 테스트 완료). 인터랙티브한 사용에는 play()
메서드를, astar를 사용하려면 run_astar
메서드를 사용합니다. 예시:

from mario_gpt import MarioLM
mario_lm = MarioLM()
prompts = [

- 기본 추론 코드 (Basic inference code)
- MarioBert 모델 추가 (Add MarioBert Model)
- 인터랙티브 시뮬레이터 추가 (Add Interactive simulator)
- 논문 기반 학습 코드 (Training code from paper)
- 논문 기반 인페인팅 기능 (Inpainting functionality from paper)
- 개방형 레벨 생성 코드 (Open-ended level generation code)
- 다양한 생성 방법 (예: 제약된 빔 검색 등) (Different generation methods (eg. constrained beam search, etc.))

Shyam Sudhakaran [email protected], https://github.com/shyamsn97, https://shyamsn97.github.io/

Miguel González-Duque [email protected], https://github.com/miguelgondu

Claire Glanois [email protected], https://github.com/claireaoi

Matthias Freiberger [email protected], https://github.com/matfrei

Elias Najarro [email protected], https://github.com/enajx

Sebastian Risi [email protected], https://github.com/sebastianrisi, https://sebastianrisi.com/

학술적 또는 상업적 용도로 코드를 사용하시는 경우, 관련 논문을 인용해 주십시오:

@misc{https://doi.org/10.48550/arxiv.2302.05981,
doi = {10.48550/ARXIV.2302.05981},
url = {https://arxiv.org/abs/2302.05981},
...

AI 자동 생성 콘텐츠

원문 바로가기

Architecture

Example Prompt Generations

from mario_gpt import MarioLM mario_lm = MarioLM() prompts = [ - 기본 추론 코드 (Basic inference code) - MarioBert 모델 추가 (Add MarioBert Model) - 인터랙티브 시뮬레이터 추가 (Add Interactive simulator) - 논문 기반 학습 코드 (Training code from paper) - 논문 기반 인페인팅 기능 (Inpainting functionality from paper) - 개방형 레벨 생성 코드 (Open-ended level generation code) - 다양한 생성 방법 (예: 제약된 빔 검색 등) (Different generation methods (eg. constrained beam search, etc.)) Shyam Sudhakaran [email protected], https://github.com/shyamsn97, https://shyamsn97.github.io/ Miguel González-Duque [email protected], https://github.com/miguelgondu Claire Glanois [email protected], https://github.com/claireaoi Matthias Freiberger [email protected], https://github.com/matfrei Elias Najarro [email protected], https://github.com/enajx Sebastian Risi [email protected], https://github.com/sebastianrisi, https://sebastianrisi.com/ 학술적 또는 상업적 용도로 코드를 사용하시는 경우, 관련 논문을 인용해 주십시오:

shyamsn97/mario-gpt

요약

핵심 포인트

댓글