原神自动钓鱼AI由YOLOX, DQN两部分模型组成。使用迁移学习，半监督学习进行训练。 模型也包含一些使用opencv等传统数字图像处理方法实现的不可学习部分。
其中YOLOX用于鱼的定位和类型的识别以及鱼竿落点的定位。DQN用于自适应控制钓鱼过程的点击，让力度落在最佳区域内。
安装python运行环境（解释器），推荐使用 anaconda.
打开anaconda prompt(命令行界面)，创建新python环境并激活:
conda create -n ysfish python=3.6
conda activate ysfish推荐安装python3.7或以下版本。
使用git下载，git安装教程:
git clone https://github.com/7eu7d7/genshin_auto_fish.git或直接在github网页端下载后直接解压。
切换命令行到本工程所在目录:
cd genshin_auto_fish执行以下命令安装依赖:
python -m pip install -U pip
python requirements.py如果要使用显卡进行加速需要 安装CUDA和cudnn 安装后无视上面的命令用下面这条安装gpu版:
pip install -U pip
python requirements.py --cuda [cuda版本]
#例如安装的CUDA11.x
python requirements.py --cuda 110
python requirements.py --cuda 110 --proxy http://127.0.0.1:1080 # use proxy to speed up可能会有Time out之类的报错，多试几遍，github太卡。
切换命令行到本工程所在目录，执行以下命令安装yolox:
python setup.py develop下载预训练权重 (.pth文件),yolox_tiny.pth 下载后将权重文件放在 工程目录/weights 下
<只用来钓鱼不需要训练，直接用预训练权重就可以>
YOLOX部分因为打标签太累所以用半监督学习。标注少量样本后训练模型生成其余样本伪标签再人工修正，不断迭代提高精度。 样本量较少所以使用迁移学习，在COCO预训练的模型上进行fine-tuning.
下载数据集并解压：原神鱼群数据集, 数据集(迅雷云盘:ugha)
将yolox/exp/yolox_tiny_fish.py中的self.data_dir的值改为解压后2个文件夹所在的路径。
训练代码:
python yolox_tools/train.py -f yolox/exp/yolox_tiny_fish.py -d 1 -b 8 --fp16 -o -c weights/yolox_tiny.pth!!!一直保错？GPU显存太小 -b 4 不要 -o 保存的时候出错 numpy.float64' object cannot be interpreted as an integer
pip uninstall pycocotools pip install pycocotools-windows
保错 [Errno 32] Broken pipe
self.data_num_workers = 1
控制力度使用强化学习模型DQN进行训练。两次进度的差值作为reward为模型提供学习方向。模型与环境间交互式学习。
直接在原神内训练耗时较长，太累了。首先制作一个仿真环境，大概模拟钓鱼力度控制操作。在仿真环境内预训练一个模型。 随后将这一模型迁移至原神内，实现域间迁移。
仿真环境预训练代码:
python train_sim.py原神游戏内训练:
python train.py命令行窗口一定要以管理员权限启动
显卡加速
python fishing.py image -f yolox/exp/yolox_tiny_fish.py -c weights/best_tiny3.pth --conf 0.25 --nms 0.45 --tsize 640 --device gpucpu运行
python fishing.py image -f yolox/exp/yolox_tiny_fish.py -c weights/best_tiny3.pth --conf 0.25 --nms 0.45 --tsize 640 --device cpu运行后出现init ok后按r键开始钓鱼，原神需要全屏。出于性能考虑检测框不会实时显示，处理运算后台进行。