在《个人世界》里搭建神经网络，运行过程清晰可见，这位印度小哥开发的新玩法火了...
点击上方“AI碰见机器学习”，选择“星标”公众号git
重磅干货，第一时间送达
github
晓查 凌晨 发自 凹非寺
量子位 报道 | 公众号 QbitAI
多是疫情吧，你们在现实中行动受限，就愈来愈多去游戏世界中释放天性。数组
前有《个人世界》举办毕业典礼，后有《动物森友会》举办AI会议。最近《个人世界》又被大神带来了硬核玩法：网络
你觉得他在涂鸦？不！其实他在进行神经网络的推理。app
你若是是一个熟悉神经网络的人，想必已经猜出来了。机器学习
图片里这位玩家作的正是MNIST手写数字分类网络。学习
只需用剑在墙壁上画出数字，神经网络就能知道你写的是几。不只仅如此，神经网络在推理过程当中，哪些神经元被激活，均可以在这里看得一清二楚。spa
这个脑洞大开的玩家是一位来自印度的小哥Ashutosh Sathe，游戏项目叫作Scarpet-nn。3d
Sathe不只放出了试玩视频，还开源了代码，若是你是《个人世界》玩家+神经网络炼丹师，那么你也能够把本身的网络放在游戏里。视频
Scarpet-nn支持卷积层和彻底链接层，容许在单个世界中运行多个神经网络。并且能够展现中间张量的逐块激活，甚至还能一次运行多个神经网络。
Sathe小哥究竟是怎么想到用《个人世界》来搭建神经网络的呢？
像素风和神经网络是绝配
个人世界里那一个个像素色块简直就是显示3维数组的神器。若是一个长方体的每一个小块都用不一样颜色来展现数值，那么一个长方体就能够表示一个张量。
可是用表示的范围有限，个人世界地图里的资源也有限，在神经网络中显示BERT什么的显然不切实际。
因此用两种颜色的色块表示二值神经网络（BNN）最合适了。
BNN是一种高度简化的神经网络，权重和激活都只能取两个值：+1或-1。可是计算机中二进制的位表示是不一样的。所以在BNN中，咱们将+1存储为1为，将-1存储为0。
这样在BNN中乘法运算就变成了逻辑门中的同或运算，而逻辑门在《个人世界》中能够用红石电路造出。
至此，用《个人世界》搭建神经网络的理论基础已经完成，下面开始实际操做。
神经网络转像素模块
咱们须要在电脑上安装《个人世界》Java版，第三方Mod也是必不可少的。在这个项目里，咱们要安装Litematica和carpetmod两个Mod。
另外还须要经过Python3安装PyTorch和nbtlib。
接下来就是“炼丹”，先在PyTorch里训练好你的二值神经网络。
Litematica是一个帮助用户从零开始绘制示意图的模块，它能够准确地构建结构，指定将块放置在何处。
运行modeltolitematica.py将神经网络的全部层转换为不一样的Litematica示意图。每一个示意图仅包含一层神经网络。
图中以紫色表示+1的块，以绿色表明-1的块。
在这一步后，你会得到一组示意图文件，后缀名为.litematica。文件的名称和你命名的网络层相同，好比conv1.weight.litematica、fc2.weight.litematica等等。将相应文件导入便可。
把神经网络铺在地上
因为卷积层会出现4维数组，这在3维空间里是无法表示的，所以这个过程当中还加入了压缩。
通常卷积层的形式是：[c2, c1, fh, fw]。其中c2是输出激活的通道数量，c1是输入激活的通道数量，fh和fw是卷积滤波器的高度和宽度。
经过scarpet-nn将后两个维度乘起来，变成[c2, c1, fh× fw]，这样就解决了3维显示问题。
而全链接层都是2维的，不存在不能显示的情况，所以不须要作任何调整。
而后你就能够在空地上绘制一张16×16的输入图像了。
将卷积层导入地图后，你就能够进行神经网络运算了。
最后，做者还给出了一个MNIST示意图MineCraft文件包，若是只想简单看看实际运行效果，能够在咱们的公众号中回复个人世界获取。
不得不说，《个人世界》里大神太多，以前有复旦本科生从零计算机，如今又有印度小哥从零打造神经网络。
（相关阅读：在《个人世界》里从零打造一台计算机有多难？复旦本科生大神花费了一年心血）
只是如今的模块还不能在《个人世界》里训练神经网络，相信在这些大神的努力下，将来用《个人世界》炼丹也不是梦。
传送门
博客地址：
https://ashutoshbsathe.github.io/scarpet-nn/scarpet-apps/twoclassmnist/
Litematica下载地址：
http://minecraft.curseforge.com/projects/litematica
源代码：
https://github.com/ashutoshbsathe/scarpet-nn
欢迎关注咱们，看通俗干货！