178 lines
4.4 KiB
Plaintext
178 lines
4.4 KiB
Plaintext
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()
|
||
}
|
||
|
||
}
|