移植bot4cj

2026-07-28 12:44:07 +08:00
1 parent 7803843155
commit 78ad3e6d57
@@ -0,0 +1,177 @@
+package bot4cj
+import std.io.*
+import std.fs.*
+import std.env.*
+import std.time.*
+import std.argopt.*
+import std.convert.*
+import std.collection.*
+import stdx.encoding.json.*
+import bot4cj.hd.*
+import bot4cj.math.*
+import ctype4cj.*
+
+/* ---- 神经网络输出路径 ---- */
+var NNS_OUT: Option<String> = None	
+main(args: Array<String>): Int64 {
+	
+	/* ---- 解析命令行参数 ---- */
+	let specs = [
+		ArgumentSpec.Long("help", ArgumentMode.NoValue),	/* ---- 拉起帮助菜单           ---- */
+		ArgumentSpec.Short(r'i', ArgumentMode.RequiredValue),	/* ---- 神经网络模型    - 输入 ---- */
+		ArgumentSpec.Short(r'o', ArgumentMode.RequiredValue),	/* ---- 神经网络模型    - 输出 ---- */
+		ArgumentSpec.Long("test", ArgumentMode.RequiredValue)	/* ---- 运行一个测试分支 - 需要输入测试类型 ---- */
+	]
+
+	/* ---- 执行解析 ---- */
+	let parsed = parseArguments(args, specs)
+	let options = parsed.options
+
+	//---------------------------
+	/* 读取设置项 */
+
+	/*---------------------------*/
+	/*---------------------------*/
+	/* 初始化神经网络 （init nn）
+	 * TODO: 可以去掉内部初始化参数，使用矩阵式模板进行初始化 */
+
+
+	//var nns: ArrayList<Nn> = 
+	//if (options.keys().contains("i")) {
+	//	let filename = options['i']
+	//	load_nns(filename)  }
+	//else {
+	//	let nn_in = ArrayList<Nn>()
+	//	nn_in.add(Nn(41, 80, ActivationFuncs.Leaky_ReLU, 0.2f32))
+	//	nn_in.add(Nn(80, 80, ActivationFuncs.Leaky_ReLU, 0.2f32))
+	//	nn_in.add(Nn(80, 40, ActivationFuncs.Leaky_ReLU, 0.2f32))
+	//	nn_in.add(Nn(40, 17, ActivationFuncs.Sigmoid, 0.2f32)) // 16个舵机加1个时延
+	//	nn_in  }
+
+	/* ---- 使用-o选项进行输出路径的选择 ---- */
+	if (options.contains("o")) {
+		NNS_OUT = Option<String>.Some(options['o'])
+	}
+
+	/*---------------------------*/
+	/*---------------------------*/
+	/* 分支选择 */
+
+
+	/* -------- 拉起帮助手册
+	 * -------- */
+	if  (options.contains("help")) {
+		print_help()
+		return 0
+	}
+
+	/* -------- 启动一个测试分支
+	 * -------- */
+	else if (options.contains("test")) {
+		run_test(options["test"])
+		return 0
+	}
+
+	/* -------- 缺省行为：从标准输入获取动作脚本
+	 * --------
+	 * -------- TODO(20260519-qing): 进行脚本引入（相对路径也可，从**环境变量**的路径中搜寻也可）  */
+	else {
+		let consoleReader = getStdIn()
+		let robot = RobotStruct(consoleReader)
+		try {
+			robot.active()
+			robot.run()
+		}
+		finally {
+			robot.deactive()
+		}
+
+		/* ---- NOTE(20260523-qing): 储存微调网络模型
+		 * ---- */
+//		let consoleReader = getStdIn()
+//		run_action_drl(consoleReader, nns)
+//		if (options.contains("o")) {
+//			save_nns(nns, options['o'])  }
+	}
+
+
+	return 0
+}
+
+/* -------- 打印帮助手册
+ * -------- */
+func print_help()
+{
+	println("这是一个机器人动作脚本解析器。")
+	println("使用管道输入动作脚本，示例：")
+	println("cat std.mt | ./bot")
+	println()
+	println("--i2c=/path/to/device\t选择i2c设备")
+	println()
+	println("-i  选择输入的模型的路径")
+	println("-o  设置输出的模型的路径")
+}
+
+/* -------- 集成多种常规测试、临时测试
+ * -------- */
+func run_test(key: String) {
+
+	/* ----------- 神经网络与门测试
+	 * -----------
+	 * ----------- INFO: 我们使用随机生成的动态数据集，这样会导致一些后果 */
+	if (key == "nn") {
+		let nn_t = ArrayList<Nn1>()
+		nn_t.add(Nn1(2, 4, 0.05f32, Af.Leaky_ReLU(FP32(0.01))))
+		nn_t.add(Nn1(4, 1, 0.05f32, Af.Sigmoid))
+		let batch = 1
+		let num =2000
+		let prt_num = 100
+		for (i in 0..(num*batch)) {
+			let m = Matrix1(1, 2)
+			let t = Matrix1(1, 1)
+			prepare_andDoor(m, t)
+			let l = train1(nn_t, m, t, 1.0f32) // 这个1.0是学习率的折扣，而非学习率本身
+			if (i % prt_num == prt_num-1) {
+				print("${i}\t:")
+				print("${l}")
+				println()
+			}
+		}
+	}
+
+
+	else if (key == "cnn") {
+		testCNN()
+	}
+
+	else if (key == "cnn1") {
+		testGeometryCNN()
+	}
+
+
+	/* -------- 测试解析矩阵，并且输出
+	 * -------- */
+	else if (key == "matrix_o") {
+		let file = File("ss/test.mt", OpenMode.Read)
+		let robot = RobotStruct(file)
+		file.close()
+		let outf = File("ss/output.mt", OpenMode.Write)
+		robot.save(outf)
+		outf.close()
+	}
+
+	/* -------- 解析测试输出的矩阵
+	 * -------- */
+	else if (key == "matrix_2") {
+		let file = File("ss/output.mt", OpenMode.Read)
+		let robot = RobotStruct(file)
+		file.close()
+		robot.active()
+		robot.run()
+		robot.deactive()
+		let outf = File("ss/output_1.mt", OpenMode.Write)
+		robot.save(outf)
+		outf.close()
+	}
+
+}