小编drc*_*isp的帖子

我正在尝试训练一个 NEAT 算法来玩一个名为“curvefever”的简单游戏。我能够创建 pygame 版本的 curvefever，现在我想训练 AI 来玩它。因此，AI 必须学会避开障碍物：围绕游戏的边界并跟踪每个玩家留下的痕迹，就像在 Snake 中一样。

目前我正在通过以下方式执行此操作：

• 每个玩家都有一组向前伸出的“传感器”，用于检测障碍物是否以及距离有多远。
• 每个“传感器”都是由几个 pygame 矩形组成的直线。
• 对于每个传感器，它将检测是否与障碍物矩形之一发生碰撞，并计算碰撞到玩家的距离。
• 哪个传感器检测到碰撞以及碰撞的距离是进入神经网络的信息。

问题是这很慢！运行 'python -m cProfile -s cumtime ai.py' 我认为是检测障碍物导致脚本变慢，占总运行时间的 50% 左右。

请参阅下面我如何创建视线的一些代码：

posx = 玩家的 x 位置

posy = 玩家的 y 位置

dir = 玩家前进的方向

dangle = 是视线之间的度数间距

角度 = 视线的总范围（以度为单位）

def create_lines_of_sight(posx, posy, dir, dangle, angle, length):
    dirs = [xdir for xdir in np.ceil(np.arange(dir-angle,dir+angle,dangle))]

    d_posx = np.cos(np.deg2rad(dir))
    d_posy = np.sin(np.deg2rad(dir))

    return list(map(functools.partial(f_lrects,posx,posy,length), dirs))


def create_rects(posx, posy, d_posx, d_posy, i):
    return f_rect(posx+i*d_posx,posy+i*d_posy,1,1,0,curvefever.WHITE)

f_create_rect …

我试图用最接近的值填充二维 xarray (lat, lon) 中的 NaN。

我有以下示例代码，其中应用了陆地-海洋掩模。然后我想用它们各自最接近的陆地点值填充海洋点。

我知道 bfill 和 ffill 会按照这些思路做一些事情，但不完全是我想要的。

理想情况下，所有海洋点应在最后填充。

有任何想法吗？

import xarray as xr
import numpy as np
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
import regionmask

def mask_ocean(arr, maskValue=np.nan):
    land = regionmask.defined_regions.natural_earth.land_110.mask(arr)
    masked = xr.where(land==0, arr, maskValue)

    return masked

# Create sample data
lon = np.arange(129.4, 153.75+0.05, 0.25)
lat = np.arange(-43.75, -10.1+0.05, 0.25)
data = 10 * np.random.rand(len(lat), len(lon))
ds   = xr.Dataset({"DC": (["lat", "lon"], data)}, coords={"lon": lon,"lat": lat})

#< Mask ocean
ds = mask_ocean(ds) …