DEV Community
·
基于ESP32和TensorFlow Lite的滑动拼图游戏下一步建议简单深度学习模型
💡
原文英文，约1100词，阅读约需4分钟。
📝
内容提要
该项目为滑动拼图游戏添加了基于ESP32和TensorFlow Lite的“下一步”建议功能。用户可通过Android手机远程控制游戏，使用简单的深度学习模型进行训练，准确率达到0.868。游戏支持AI建议和搜索算法，用户可选择不同的建议模式。
🎯
关键要点
- 该项目为滑动拼图游戏添加了基于ESP32和TensorFlow Lite的'下一步'建议功能。
- 用户可通过Android手机远程控制游戏，使用简单的深度学习模型进行训练，准确率达到0.868。
- 游戏支持AI建议和搜索算法，用户可选择不同的建议模式，包括AI Only、AI+Search和Search Only。
- 深度学习模型使用Keras构建，包含256个神经元的全连接层和Dropout层。
- 模型训练数据的随机化步骤会影响建议的准确性，建议进行更多的训练以提高准确性。
- 用户可以通过修改参数来改变拼图的大小，例如将拼图改为5x5。
- 鼓励有兴趣的朋友尝试改进'下一步'建议功能。
❓
延伸问答
这个滑动拼图游戏的下一步建议功能是如何实现的？
该功能通过基于ESP32和TensorFlow Lite的简单深度学习模型实现，能够为用户提供下一步的建议。
用户如何通过手机控制滑动拼图游戏？
用户可以通过Android手机远程控制游戏，使用DumbDisplay应用与ESP32连接。
深度学习模型的准确率是多少？
深度学习模型的准确率达到0.868。
游戏中有哪些建议模式可供选择？
游戏支持三种建议模式：AI Only、AI+Search和Search Only。
如何提高下一步建议的准确性？
可以通过增加训练次数和调整训练数据的随机化步骤来提高建议的准确性。
用户如何修改拼图的大小？
用户可以通过修改参数将拼图大小改为5x5，需调整训练模型和代码中的tile_count。
🏷️
标签
➡️
