File size: 50,151 Bytes
20c73bc
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
1001
1002
1003
1004
1005
1006
1007
1008
1009
1010
1011
1012
1013
1014
1015
1016
1017
1018
1019
1020
1021
1022
1023
1024
1025
1026
1027
1028
1029
1030
1031
1032
1033
1034
1035
1036
1037
1038
1039
1040
1041
1042
1043
1044
1045
1046
1047
1048
1049
1050
1051
1052
1053
1054
1055
1056
1057
1058
1059
1060
1061
1062
1063
1064
1065
1066
1067
1068
1069
1070
1071
1072
1073
1074
1075
1076
1077
1078
1079
1080
1081
1082
1083
1084
1085
1086
1087
1088
1089
1090
1091
1092
1093
1094
1095
1096
1097
1098
1099
1100
1101
1102
1103
1104
1105
1106
1107
1108
1109
1110
1111
1112
1113
1114
1115
1116
1117
1118
1119
1120
1121
1122
1123
1124
1125
1126
1127
1128
1129
1130
1131
1132
1133
1134
1135
1136
1137
{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# Q-Learning en el juego del Dinosaurio en Google Chrome"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "Usamos el modulo Pygame y el tutorial de Max Teaches Tech de Youtube para recrear el juego del dinosaurio. El repositorio con los assets se encuentra aqui:\n",
    "\n",
    "https://github.com/maxontech/chrome-dinosaur/tree/master/Assets\n",
    "\n",
    "\n",
    "En los primeros 300 puntos del juego, solo aparecen cactus; despues, aparecen mas obstaculos, y la velocidad va aumentando entre mas avanza el juego."
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# Configuraciones Iniciales y Importaciones\n",
    "Aquí definimos las dimensiones de la pantalla del juego y establecemos configuraciones iniciales como la velocidad del juego, tamaños de memoria, y parámetros para el entrenamiento de la red neuronal. También importamos las bibliotecas necesarias como Pygame para la interfaz gráfica y PyTorch para la implementación de la red neuronal.\n",
    "\n",
    "### 1. Tamaños de Memoria de Replay\n",
    "- **`INIT_REPLAY_MEM_SIZE = 5_000` y `REPLAY_MEMORY_SIZE = 45_000`:** Una memoria de replay suficientemente grande permite al agente aprender de muchas experiencias pasadas, y asi generalizar.\n",
    "- **`MIN_REPLAY_MEMORY_SIZE = 1_000`:** Este es el tamaño mínimo de memoria de replay necesario antes de comenzar el entrenamiento. Garantiza que el modelo tenga suficientes datos para un entrenamiento bueno.\n",
    "\n",
    "### 2. Tamaño del Minibatch y Factor de Descuento\n",
    "- **`MINIBATCH_SIZE = 64`:** Un tamaño de minibatch de 64 es un equilibrio común entre eficiencia computacional y estabilidad del entrenamiento. Permite que la red aprenda de diferentes experiencias en cada actualización.\n",
    "- **`DISCOUNT = 0.95`:** El factor de descuento (gamma) de 0.95 reduce el valor presente de las recompensas futuras, lo que ayuda a enfocar el agente en recompensas a corto plazo pero sin ignorar completamente las consecuencias a largo plazo.\n",
    "\n",
    "### 3. Actualización del Modelo Objetivo\n",
    "- **`UPDATE_TARGET_THRESH = 5`:** La actualización de los pesos del modelo objetivo cada 5 episodios ayuda a mantener la estabilidad del aprendizaje. Asegura que el modelo objetivo no cambie demasiado rápido y proporciona estimaciones consistentes de los valores Q objetivo.\n",
    "\n",
    "### 4. Estrategia Epsilon-Greedy\n",
    "- **`EPSILON_INIT = 0.45`, `EPSILON_DECAY = 0.997`, `MIN_EPSILON = 0.05`:** Estos valores controlan la tasa de exploración/explotación del agente. Un `epsilon` inicial de 0.45 se eligió debido a las características específicas del juego (p. ej., la duración de la acción de saltar comparada con correr o agacharse). La tasa de decaimiento de 0.997 reduce gradualmente la exploración a medida que el agente aprende, pero evita que se reduzca a cero, manteniendo siempre una cierta probabilidad de exploración.\n",
    "\n",
    "### 5. Duración del Entrenamiento\n",
    "- **`NUM_EPISODES = 2_000`:** El numero de epochs que queremos que corra.\n",
    "\n",
    "### Conclusión\n",
    "La selección de estos hiperparámetros refleja un enfoque equilibrado que considera las particularidades del juego del dinosaurio, como la diferencia en la duración de las acciones y la necesidad de estabilizar el aprendizaje. Además, la estrategia de aprendizaje y memoria de replay ayuda a mantener un equilibrio entre aprender de experiencias recientes y no olvidar lecciones anteriores, facilitando un aprendizaje eficaz y robusto."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 1,
   "metadata": {},
   "outputs": [],
   "source": [
    "#%pip install sqlalchemy\n",
    "#%pip install pygame\n",
    "#Para usar GPU y torch\n",
    "# %pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 2,
   "id": "9e601655",
   "metadata": {},
   "outputs": [],
   "source": [
    "SCREEN_HEIGHT = 600\n",
    "SCREEN_WIDTH = 1100\n",
    "\n",
    "INIT_GAME_SPEED = 14\n",
    "X_POS_BG_INIT = 0\n",
    "Y_POS_BG = 380\n",
    "\n",
    "INIT_REPLAY_MEM_SIZE = 5_000\n",
    "REPLAY_MEMORY_SIZE = 45_000\n",
    "MODEL_NAME = \"DINO\"\n",
    "MIN_REPLAY_MEMORY_SIZE = 1_000\n",
    "MINIBATCH_SIZE = 64\n",
    "DISCOUNT = 0.95\n",
    "UPDATE_TARGET_THRESH = 5\n",
    "#EPSILON_INIT = 0.45 epsilon inicial\n",
    "EPSILON_INIT = 0.25 #modificamos para que sea menos exploratorio, menor epsilon menos exploratorio\n",
    "#EPSILON_DECAY = 0.997 epsilon inicial\n",
    "EPSILON_DECAY = 0.75 #modificamos para que sea menos exploratorio, menor epsilon menos exploratorio\n",
    "NUM_EPISODES = 100\n",
    "MIN_EPSILON = 0.05"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 3,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "pygame 2.5.2 (SDL 2.28.3, Python 3.10.9)\n",
      "Hello from the pygame community. https://www.pygame.org/contribute.html\n"
     ]
    }
   ],
   "source": [
    "import pygame\n",
    "import os\n",
    "\n",
    "import torch\n",
    "import torch.nn as nn\n",
    "import torch.optim as optim\n",
    "\n",
    "\n",
    "import pandas as pd\n",
    "import numpy as np\n",
    "from collections import deque\n",
    "import random\n",
    "\n",
    "import pygame\n",
    "import random\n",
    "from typing import List\n",
    "\n",
    "from argparse import Action\n",
    "import random\n",
    "import sys\n",
    "import pygame\n",
    "\n",
    "from sqlalchemy import asc\n",
    "import math\n",
    "import time\n",
    "from tqdm import tqdm\n",
    "from datetime import datetime"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 4,
   "metadata": {},
   "outputs": [],
   "source": [
    "import threading\n",
    "import queue\n",
    "\n",
    "# Cola para comunicación entre hilos\n",
    "action_queue = queue.Queue()\n"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# Carga de Assets\n",
    "Esta sección carga las imágenes necesarias para el juego, como el dinosaurio, cactus, pájaros, etc.\n",
    "Utilizamos pygame.image.load() para cargar cada imagen y las almacenamos en listas o variables para su uso en el juego."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 5,
   "id": "41eebe05",
   "metadata": {},
   "outputs": [],
   "source": [
    "RUNNING = [pygame.image.load(os.path.join(\"Assets/Dino\", \"DinoRun1.png\")), \n",
    "        pygame.image.load(os.path.join(\"Assets/Dino\", \"DinoRun2.png\"))]\n",
    "\n",
    "DUCKING = [pygame.image.load(os.path.join(\"Assets/Dino\", \"DinoDuck1.png\")), \n",
    "        pygame.image.load(os.path.join(\"Assets/Dino\", \"DinoDuck2.png\"))]\n",
    "\n",
    "\n",
    "JUMPING = pygame.image.load(os.path.join(\"Assets/Dino\", \"DinoJump.png\"))\n",
    "\n",
    "SMALL_CACTUS = [pygame.image.load(os.path.join(\"Assets/Cactus\", \"SmallCactus1.png\")), \n",
    "                pygame.image.load(os.path.join(\"Assets/Cactus\", \"SmallCactus2.png\")), \n",
    "                pygame.image.load(os.path.join(\"Assets/Cactus\", \"SmallCactus3.png\"))]\n",
    "\n",
    "\n",
    "LARGE_CACTUS = [pygame.image.load(os.path.join(\"Assets/Cactus\", \"LargeCactus1.png\")), \n",
    "                pygame.image.load(os.path.join(\"Assets/Cactus\", \"LargeCactus2.png\")), \n",
    "                pygame.image.load(os.path.join(\"Assets/Cactus\", \"LargeCactus3.png\"))]\n",
    "\n",
    "BIRD = [pygame.image.load(os.path.join(\"Assets/Bird\", \"Bird1.png\")), pygame.image.load(os.path.join(\"Assets/Bird\", \"Bird2.png\"))]\n",
    "\n",
    "CLOUD = pygame.image.load(os.path.join(\"Assets/Other\", \"Cloud.png\"))\n",
    "\n",
    "BACKGROUND = pygame.image.load(os.path.join(\"Assets/Other\", \"Track.png\"))"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Explicacion de Q-Learning breve\n",
    "\n",
    "Q-Learning es un algoritmo de aprendizaje por refuerzo que el agente (en este caso, el dinosaurio en el juego) utiliza para aprender qué acciones tomar en diferentes situaciones o estados para maximizar su recompensa total.  Es un proceso iterativo donde el agente aprende gradualmente a tomar decisiones óptimas (acciones) para maximizar su recompensa total (puntuación en el juego) mediante la experimentación y el ajuste de las predicciones de los valores Q a través de una red neuronal.\n",
    "\n",
    "1. **Valores Q (Quality):** Q-Learning se basa en una función de valor Q, que estima la \"calidad\" o utilidad total esperada de tomar una acción específica en un estado dado. Aqui, los valores Q indicarían cuán bueno es realizar acciones como saltar, agacharse o correr en un determinado momento del juego.\n",
    "\n",
    "2. **Recompensas y Decisiones:** El objetivo del agente es maximizar su recompensa total. Cada vez que el agente toma una acción, recibe una recompensa (o penalización). Las recompensas se basan en la supervivencia del dinosaurio sin chocar con obstáculos.\n",
    "\n",
    "3. **Actualización de Valores Q:** Los valores Q se actualizan a medida que el agente experimenta nuevas situaciones (estados y recompensas) y aprende de sus errores y éxitos.\n",
    "\n",
    "### Implementación en el Proyecto\n",
    "\n",
    "1. **Estados y Acciones:** En cada paso del juego, el agente observa el estado actual del juego (la posición del dinosaurio, los obstáculos próximos, etc.) y decide qué acción tomar (saltar, agacharse, correr). La red neuronal predice los valores Q para cada posible acción en ese estado.\n",
    "\n",
    "2. **Memoria de Replay:** Cada experiencia (estado, acción, recompensa, nuevo estado) se almacena en una memoria de replay. Esto permite al agente aprender de experiencias pasadas.\n",
    "\n",
    "3. **Entrenamiento del Modelo:** Se toman muestras de la memoria de replay para entrenar la red neuronal. Durante el entrenamiento, la red ajusta sus pesos para predecir con mayor precisión los valores Q basándose en las recompensas obtenidas y las predicciones del modelo objetivo.\n",
    "\n",
    "4. **Modelo Objetivo:** Se utiliza un segundo modelo, el modelo objetivo, para calcular los valores Q objetivo durante el entrenamiento. Esto ayuda a estabilizar el aprendizaje, ya que proporciona una estimación los valores Q objetivo.\n",
    "\n",
    "5. **Exploración vs. Explotación:** Al principio, el agente tiene más probabilidades de tomar acciones aleatorias para explorar el entorno (alta tasa de exploración `epsilon`). A medida que aprende, se vuelve más propenso a confiar en las predicciones de la red neuronal (explotación)."
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# Implementación de Q-Learning y Entrenamiento\n",
    " Aquí implementamos el algoritmo Q-Learning, un tipo de aprendizaje por refuerzo. Definimos el estado del juego, las posibles acciones y las recompensas asociadas. La red neuronal se actualiza continuamente en base a la memoria de replay y las recompensas obtenidas,  ajustando las decisiones del agente.\n",
    " \n",
    "\n",
    "Los inputs son:\n",
    "- Distancia del Dinosaurio del obstaculo\n",
    "- Coordenada Y del dinosaurio\n",
    "- Coordenada Y del Obstaculo\n",
    "- Ancho del obstaculo\n",
    "- Velocidad del juego\n",
    "- El tipo de obstaculo (Cactus o Pterodactilo)\n",
    "\n",
    "Los outputs son caminar, saltar o agacharte.\n",
    "\n",
    "\n",
    "### Clase NeuralNetwork\n",
    "\n",
    "Originalmente queriamos hacer el proyecto con TensorFlow, pero por limitaciones tecnicas nos limitamos al uso de PyTorch; por eso, en esta clase definimos una red neuronal simple para la toma de decisiones dentro del juego, algo que originalmente no era necesario. Se usa para predecir los valores Q, que representan el valor esperado de tomar una determinada acción en un estado dado del juego. \n",
    " \n",
    "- Constructor __init__(self)\n",
    "\n",
    "    Hereda de nn.Module de PyTorch, que es la base para todas las redes neuronales en PyTorch. Define dos capas lineales (fc1 y fc2). La primera capa (fc1) toma 7 características de entrada y las transforma en 4 características, y la segunda capa (fc2) toma estas 4 características y produce 3 salidas. Estas salidas representarán los valores Q para cada posible acción en el juego.\n",
    "\n",
    "- forward(self, x)\n",
    "\n",
    "    Define cómo se pasa la entrada a través de la red. La función relu se aplica a la salida de la primera capa para introducir no linealidad, y luego se pasa a la segunda capa. El resultado es el conjunto de valores Q predichos para las acciones dadas el estado actual del juego."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 6,
   "metadata": {},
   "outputs": [],
   "source": [
    "class NeuralNetwork(nn.Module):\n",
    "    def __init__(self):\n",
    "        super(NeuralNetwork, self).__init__()\n",
    "        self.fc1 = nn.Linear(7, 4)  # 7 input features, 4 output features\n",
    "        self.fc2 = nn.Linear(4, 3)  # 4 input features, 3 output features\n",
    "\n",
    "    def forward(self, x):\n",
    "        x = torch.relu(self.fc1(x))\n",
    "        x = self.fc2(x)\n",
    "        return x\n",
    "\n"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Clase DQNAgent\n",
    "\n",
    "\n",
    "El `DQNAgent` utiliza esta red para aprender y decidir acciones basándose en el método Q-Learning. El agente entrena la red utilizando experiencias de juego anteriores almacenadas en la memoria de replay, ajustando sus estrategias para mejorar el rendimiento en el juego.\n",
    "\n",
    "#### Constructor `__init__(self)`\n",
    "- Creamos dos instancias de `NeuralNetwork`, una como el modelo principal y otra como el modelo objetivo. El modelo objetivo se actualiza ocasionalmente con los pesos del modelo principal.\n",
    "- Usamos el optimizador Adam para ajustar los pesos de la red y Mean Squared Error (MSE) como la función de pérdida.\n",
    "- Se inicializa dos memorias de replay (`init_replay_memory` y `late_replay_memory`) para almacenar experiencias pasadas y aprender de ellas.\n",
    "\n",
    "#### update_replay_memory(self, transition)\n",
    "- Agrega una nueva experiencia (transición) a la memoria de replay. La memoria de replay se utiliza para entrenar la red neuronal con experiencias pasadas.\n",
    "\n",
    "#### get_qs(self, state)\n",
    "- Calcula y devuelve los valores Q para un estado dado utilizando el modelo principal. Esto se utiliza para decidir qué acción tomar en un estado particular del juego.\n",
    "\n",
    "#### train(self, terminal_state, step)\n",
    "- Entrenamos la red neuronal usando un minibatch de experiencias de la memoria de replay. Utiliza tanto el modelo principal como el modelo objetivo para calcular el valor Q objetivo y ajustar los pesos del modelo principal.\n",
    "- Si se alcanza un cierto umbral (indicado por `UPDATE_TARGET_THRESH`), se actualizan los pesos del modelo objetivo con los del modelo principal."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 7,
   "id": "362f34ac",
   "metadata": {},
   "outputs": [],
   "source": [
    "device = torch.device(\"cuda\" if torch.cuda.is_available() else \"cpu\") #Para poder usar GPU\n",
    "\n",
    "class DQNAgent:\n",
    "    def __init__(self,learning_rate=0.001):\n",
    "        self.model = NeuralNetwork().to(device)  # Mover el modelo a la GPU si está disponible\n",
    "        self.target_model = NeuralNetwork().to(device)  # Mover el modelo a la GPU si está disponible\n",
    "        self.target_model.load_state_dict(self.model.state_dict())\n",
    "        self.optimizer = optim.Adam(self.model.parameters(), lr=0.001)\n",
    "        self.loss_function = nn.MSELoss()\n",
    "\n",
    "        self.init_replay_memory = deque(maxlen=INIT_REPLAY_MEM_SIZE)\n",
    "        self.late_replay_memory = deque(maxlen=REPLAY_MEMORY_SIZE)\n",
    "        self.target_update_counter = 0\n",
    "        self.optimizer = optim.Adam(self.model.parameters(), lr=learning_rate)\n",
    "    # Update the memory store\n",
    "    def update_replay_memory(self, transition):\n",
    "        # if len(self.replay_memory) > 50_000:\n",
    "        #     self.replay_memory.clear()\n",
    "        if len(self.init_replay_memory) < INIT_REPLAY_MEM_SIZE:\n",
    "            self.init_replay_memory.append(transition)\n",
    "        else:\n",
    "            self.late_replay_memory.append(transition)\n",
    "\n",
    "    # Método get_qs dentro de la clase DQNAgent\n",
    "    def get_qs(self, state):\n",
    "        state_tensor = torch.Tensor(state).to(device)  # Asegúrate de mover el tensor al dispositivo correcto\n",
    "        with torch.no_grad():\n",
    "            return self.model(state_tensor).cpu().numpy()  # Luego mueve el resultado de vuelta a la CPU si es necesario\n",
    "    \n",
    "    def calculate_action(self, state_queue, action_queue):\n",
    "        while True:\n",
    "            state = state_queue.get()  # Espera y obtiene el estado del juego\n",
    "            if state is None:\n",
    "                break  # Si recibes None, termina el hilo\n",
    "\n",
    "            # Calcula la acción usando el modelo\n",
    "            q_values = self.get_qs(state)\n",
    "            action = np.argmax(q_values)  # Elige la acción con el Q-value más alto\n",
    "\n",
    "            action_queue.put(action)  # Coloca la acción en la cola\n",
    "            \n",
    "    def train(self, terminal_state, step):\n",
    "        if len(self.init_replay_memory) < MIN_REPLAY_MEMORY_SIZE:\n",
    "            return\n",
    "\n",
    "        total_mem = list(self.init_replay_memory)\n",
    "        total_mem.extend(self.late_replay_memory)\n",
    "        minibatch = random.sample(total_mem, MINIBATCH_SIZE)\n",
    "\n",
    "        # Asegurarse de que los tensores estén en el dispositivo correcto\n",
    "        current_states = torch.Tensor([transition[0] for transition in minibatch]).to(device)\n",
    "        current_qs_list = self.model(current_states)\n",
    "        new_current_states = torch.Tensor([transition[3] for transition in minibatch]).to(device)\n",
    "        future_qs_list = self.target_model(new_current_states)\n",
    "\n",
    "        X = []\n",
    "        y = []\n",
    "\n",
    "        for index, (current_state, action, reward, new_current_state, done) in enumerate(minibatch):\n",
    "            if not done:\n",
    "                max_future_q = torch.max(future_qs_list[index])\n",
    "                new_q = reward + DISCOUNT * max_future_q\n",
    "            else:\n",
    "                new_q = reward\n",
    "\n",
    "            current_qs = current_qs_list[index]\n",
    "            current_qs[action] = new_q\n",
    "\n",
    "            X.append(current_state)\n",
    "            y.append(current_qs)\n",
    "\n",
    "        X = torch.tensor(np.array(X, dtype=np.float32)).to(device)  # Mover X a la GPU\n",
    "        y = torch.tensor(np.array([y_item.detach().cpu().numpy() if isinstance(y_item, torch.Tensor) else y_item for y_item in y], dtype=np.float32)).to(device)  # Mover y a la GPU\n",
    "\n",
    "        self.optimizer.zero_grad()\n",
    "        output = self.model(X)  # X ya está en el dispositivo correcto\n",
    "        loss = self.loss_function(output, y)  # y ya está en el dispositivo correcto\n",
    "        loss.backward()\n",
    "        self.optimizer.step()\n",
    "\n",
    "        if terminal_state:\n",
    "            self.target_update_counter += 1\n",
    "\n",
    "        if self.target_update_counter > UPDATE_TARGET_THRESH:\n",
    "            self.target_model.load_state_dict(self.model.state_dict())\n",
    "            self.target_update_counter = 0\n",
    "            # print(self.target_update_counter)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# Definición de Clases del Juego\n",
    "En esta parte del código, definimos varias clases para manejar diferentes aspectos del juego:\n",
    " - Clase Obstacle: Representa los obstáculos del juego.\n",
    " - Clase Dino: Controla el personaje del dinosaurio y su interacción con el juego.\n",
    " - Clase Game: Maneja la lógica principal del juego, incluyendo la creación de obstáculos y la actualización de la interfaz"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 8,
   "metadata": {},
   "outputs": [],
   "source": [
    "class Obstacle:\n",
    "    def __init__(self, image: List[pygame.Surface], type: int) -> None:\n",
    "        self.image = image\n",
    "        self.type = type\n",
    "        self.rect = self.image[self.type].get_rect()\n",
    "        self.rect.x = SCREEN_WIDTH\n",
    "\n",
    "    def update(self, obstacles: list, game_speed: int):\n",
    "        self.rect.x -= game_speed\n",
    "        if self.rect.x < -self.rect.width:\n",
    "            obstacles.pop()\n",
    "        \n",
    "    def draw(self, SCREEN: pygame.Surface):\n",
    "        SCREEN.blit(self.image[self.type], self.rect)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 9,
   "id": "66589bde",
   "metadata": {},
   "outputs": [],
   "source": [
    "class Dino(DQNAgent):\n",
    "    X_POS = 80\n",
    "    Y_POS = 310\n",
    "    Y_DUCK_POS = 340\n",
    "    JUMP_VEL = 8.5\n",
    "    #code here\n",
    "    def __init__(self, learning_rate=0.001):\n",
    "        super().__init__(learning_rate=learning_rate) \n",
    "        self.duck_img = DUCKING\n",
    "        self.run_img = RUNNING\n",
    "        self.jump_img = JUMPING\n",
    "\n",
    "\n",
    "        #Initially the dino starts running\n",
    "        self.dino_duck = False\n",
    "        self.dino_run = True\n",
    "        self.dino_jump = False\n",
    "\n",
    "        self.step_index = 0\n",
    "        self.jump_vel = self.JUMP_VEL\n",
    "        self.image = self.run_img[0]\n",
    "        self.dino_rect = self.image.get_rect()\n",
    "\n",
    "        self.dino_rect.x = self.X_POS\n",
    "        self.dino_rect.y = self.Y_POS\n",
    "\n",
    "        self.score = 0\n",
    "\n",
    "        super().__init__()\n",
    "    \n",
    "    \n",
    "    # Update the Dino's state\n",
    "    def update(self, move: pygame.key.ScancodeWrapper):\n",
    "        if self.dino_duck:\n",
    "            self.duck()\n",
    "        \n",
    "        if self.dino_jump:\n",
    "            self.jump()\n",
    "        \n",
    "        if self.dino_run:\n",
    "            self.run()\n",
    "\n",
    "        if self.step_index >= 20:\n",
    "            self.step_index = 0\n",
    "        \n",
    "\n",
    "        if move[pygame.K_UP] and not self.dino_jump:\n",
    "            self.dino_jump = True\n",
    "            self.dino_run = False\n",
    "            self.dino_duck = False\n",
    "\n",
    "        elif move[pygame.K_DOWN] and not self.dino_jump:\n",
    "            self.dino_duck = True\n",
    "            self.dino_run = False\n",
    "            self.dino_jump = False\n",
    "        \n",
    "        elif not(self.dino_jump or move[pygame.K_DOWN]):\n",
    "            self.dino_run = True\n",
    "            self.dino_jump = False\n",
    "            self.dino_duck = False\n",
    "    \n",
    "    def update_auto(self, move):\n",
    "        if self.dino_duck == True:\n",
    "            self.duck()\n",
    "        \n",
    "        if self.dino_jump == True:\n",
    "            self.jump()\n",
    "        \n",
    "        if self.dino_run == True:\n",
    "            self.run()\n",
    "\n",
    "        if self.step_index >= 20:\n",
    "            self.step_index = 0\n",
    "        \n",
    "        if move == 0 and not self.dino_jump:\n",
    "            self.dino_jump = True\n",
    "            self.dino_run = False\n",
    "            self.dino_duck = False\n",
    "\n",
    "        elif move == 1 and not self.dino_jump:\n",
    "            self.dino_duck = True\n",
    "            self.dino_run = False\n",
    "            self.dino_jump = False\n",
    "        \n",
    "        elif not(self.dino_jump or move == 1):\n",
    "            self.dino_run = True\n",
    "            self.dino_jump = False\n",
    "            self.dino_duck = False\n",
    "\n",
    "    def duck(self) -> None:\n",
    "        self.image = self.duck_img[self.step_index // 10]\n",
    "        self.dino_rect = self.image.get_rect()\n",
    "        self.dino_rect.x = self.X_POS\n",
    "        self.dino_rect.y = self.Y_DUCK_POS\n",
    "        self.step_index += 1\n",
    "\n",
    "    def run(self) -> None:\n",
    "        self.image = self.run_img[self.step_index // 10]\n",
    "        self.dino_rect = self.image.get_rect()\n",
    "        self.dino_rect.x = self.X_POS\n",
    "        self.dino_rect.y = self.Y_POS\n",
    "        self.step_index += 1\n",
    "        \n",
    "\n",
    "    def jump(self) -> None:\n",
    "        self.image = self.jump_img\n",
    "        if self.dino_jump:\n",
    "            self.dino_rect.y -= self.jump_vel * 3\n",
    "            self.jump_vel -= 0.6\n",
    "        \n",
    "        if self.jump_vel < -self.JUMP_VEL:\n",
    "            self.dino_jump = False\n",
    "            self.dino_run = True\n",
    "            self.jump_vel = self.JUMP_VEL\n",
    "\n",
    "    def draw(self, SCREEN: pygame.Surface):\n",
    "        SCREEN.blit(self.image, (self.dino_rect.x, self.dino_rect.y))"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 10,
   "id": "a1bc8f20",
   "metadata": {},
   "outputs": [],
   "source": [
    "class LargeCactus(Obstacle):\n",
    "    def __init__(self, image: List[pygame.Surface]) -> None:\n",
    "        self.type = random.randint(0, 2)\n",
    "        super().__init__(image, self.type)\n",
    "        self.rect.y = 300\n",
    "\n",
    "\n",
    "class SmallCactus(Obstacle):\n",
    "    def __init__(self, image: List[pygame.Surface]) -> None:\n",
    "        self.type = random.randint(0, 2)\n",
    "        super().__init__(image, self.type)\n",
    "        self.rect.y = 325\n",
    "\n",
    "class Bird(Obstacle):\n",
    "    def __init__(self, image: List[pygame.Surface]) -> None:\n",
    "        self.type = 0\n",
    "        super().__init__(image, self.type)\n",
    "        self.rect.y = SCREEN_HEIGHT - 340\n",
    "        self.index = 0\n",
    "    \n",
    "    def draw(self, SCREEN: pygame.Surface):\n",
    "        if self.index >= 19:\n",
    "            self.index = 0\n",
    "        \n",
    "        SCREEN.blit(self.image[self.index // 10], self.rect)\n",
    "        self.index += 1\n",
    "        \n",
    "class Cloud:\n",
    "    def __init__(self) -> None:\n",
    "        self.x = SCREEN_WIDTH + random.randint(800, 1000)\n",
    "        self.y = random.randint(50, 100)\n",
    "        self.image = CLOUD\n",
    "        self.width = self.image.get_width()\n",
    "\n",
    "    def update(self, game_speed: int):\n",
    "        self.x -= game_speed\n",
    "        if self.x < -self.width:\n",
    "            self.x = SCREEN_WIDTH + random.randint(800, 1000)\n",
    "            self.y = random.randint(50, 100)\n",
    "    \n",
    "\n",
    "    def draw(self, SCREEN: pygame.Surface):\n",
    "        SCREEN.blit(self.image, (self.x, self.y))   "
   ]
  },
  {
   "cell_type": "markdown",
   "id": "fd31220d",
   "metadata": {},
   "source": [
    "#  Clase Game\n",
    "\n",
    "La clase Game es donde se ejecuta el juego del dinosaurio. En general es casi lo mismo que la clase original, pero con play_auto siendo la parte donde se entrena al agente:\n",
    "\n",
    "\n",
    "####  Inicialización y Configuración del Juego\n",
    "- Se establece points_label para rastrear los puntos obtenidos en cada episodio y se inicia un ciclo que recorre un número predefinido de episodios (NUM_EPISODES).\n",
    "- Para cada episodio, se inicializa episode_reward a 0 y se obtiene el estado inicial del juego mediante get_state.\n",
    "\n",
    "#### Ciclo Principal del Juego\n",
    "\n",
    "- Dentro de cada episodio, se inicia un while que continúa mientras self.run sea True. Este representa el juego continuo hasta que el dinosaurio choca con un obstáculo.\n",
    "- Se verifica si es necesario crear un nuevo obstáculo en el juego y se llama a create_obstacle si es así.\n",
    "- El agente decide qué acción tomar. Si un valor aleatorio es mayor que epsilon (que representa la probabilidad de exploración), el agente selecciona la acción basada en las predicciones de la red neuronal (usando get_qs). Si el valor es menor, se elige una acción aleatoria.\n",
    "\n",
    "#### Actualización y Aprendizaje\n",
    "\n",
    "- Se actualiza el juego con la acción seleccionada llamando a update_game, y se obtiene el nuevo estado del juego.\n",
    "- Se calcula la recompensa basada en la interacción del dinosaurio con los obstáculos y se actualiza la memoria de replay del agente con la transición (estado actual, acción, recompensa, nuevo estado).\n",
    "- Se entrena el modelo del agente con la nueva experiencia (transición).\n",
    "\n",
    "#### Fin del Episodio y Guardado del Modelo\n",
    "\n",
    "- Si el dinosaurio colisiona con un obstáculo, se termina el episodio. Se actualiza episode_reward con la recompensa obtenida, y se reinicia el juego para el próximo episodio.\n",
    "- Se añade la reward del episodio a ep_rewards para rastrear el rendimiento a lo largo del tiempo. epsilon se reduce (decay) para disminuir la exploración a medida que el agente aprende.\n",
    "- El modelo se guarda a intervalos regulares para conservar el estado de aprendizaje."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 11,
   "metadata": {},
   "outputs": [],
   "source": [
    "#Codigo para guardar los modelos\n",
    "# Verifica si el directorio 'models' existe, y si no, créalo\n",
    "if not os.path.exists('models/episodes'):\n",
    "    os.makedirs('models/episodes')\n",
    "\n",
    "# Verifica si el directorio 'models/highscore' existe, y si no, créalo\n",
    "if not os.path.exists('models/highscore'):\n",
    "    os.makedirs('models/highscore')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 12,
   "id": "3665702a",
   "metadata": {},
   "outputs": [],
   "source": [
    "class Game:\n",
    "    def __init__(self, epsilon, learning_rate, num_episodes, load_model=False, model_path=None):\n",
    "        pygame.init()\n",
    "        self.SCREEN = pygame.display.set_mode((SCREEN_WIDTH, SCREEN_HEIGHT))\n",
    "\n",
    "        self.obstacles = []\n",
    "\n",
    "        self.run = True\n",
    "\n",
    "        self.clock = pygame.time.Clock()\n",
    "\n",
    "        self.cloud = Cloud()\n",
    "\n",
    "        self.game_speed = INIT_GAME_SPEED\n",
    "\n",
    "        self.font = pygame.font.Font(\"freesansbold.ttf\", 20)\n",
    "\n",
    "        self.dino = Dino()\n",
    "\n",
    "        # tu código existente aquí...\n",
    "        self.epsilon = epsilon\n",
    "        self.num_episodes = num_episodes\n",
    "        self.dino = Dino(learning_rate=learning_rate)  # Pasa learning_rate aquí\n",
    "        \n",
    "         # Cargar el modelo si se solicita\n",
    "        if load_model and model_path:\n",
    "            self.dino.model.load_state_dict(torch.load(model_path, map_location=device))\n",
    "\n",
    "        self.x_pos_bg = X_POS_BG_INIT\n",
    "\n",
    "        self.points = 0\n",
    "        \n",
    "        self.epsilon = epsilon\n",
    "\n",
    "        self.ep_rewards = [-200]\n",
    "\n",
    "        self.high_score = 0  # Inicializa el high score con 0 o carga el high score existente de un archivo si lo prefieres\n",
    "\n",
    "        self.best_score = 0\n",
    "\n",
    "    def reset(self):\n",
    "        self.game_speed = INIT_GAME_SPEED\n",
    "        old_dino = self.dino\n",
    "        self.dino = Dino()\n",
    "        self.dino.init_replay_memory = old_dino.init_replay_memory\n",
    "        self.dino.late_replay_memory = old_dino.late_replay_memory\n",
    "        self.dino.target_update_counter = old_dino.target_update_counter\n",
    "\n",
    "        self.dino.model.load_state_dict(old_dino.model.state_dict())\n",
    "        self.dino.target_model.load_state_dict(old_dino.target_model.state_dict())\n",
    "\n",
    "        self.x_pos_bg = X_POS_BG_INIT\n",
    "        self.points = 0\n",
    "        self.SCREEN = pygame.display.set_mode((SCREEN_WIDTH, SCREEN_HEIGHT))\n",
    "        self.clock = pygame.time.Clock()\n",
    "\n",
    "    def get_dist(self, pos_a: tuple, pos_b:tuple):\n",
    "        dx = pos_a[0] - pos_b[0]\n",
    "        dy = pos_a[1] - pos_b[1]\n",
    "\n",
    "        return math.sqrt(dx**2 + dy**2) \n",
    "\n",
    "    def update_background(self):\n",
    "        image_width = BACKGROUND.get_width()\n",
    "\n",
    "        self.SCREEN.blit(BACKGROUND, (self.x_pos_bg, Y_POS_BG))\n",
    "        self.SCREEN.blit(BACKGROUND, (self.x_pos_bg + image_width, Y_POS_BG))\n",
    "\n",
    "        if self.x_pos_bg <= -image_width:\n",
    "            self.SCREEN.blit(BACKGROUND, (self.x_pos_bg + image_width, Y_POS_BG))\n",
    "            self.x_pos_bg = 0\n",
    "        \n",
    "        self.x_pos_bg -= self.game_speed\n",
    "        return self.x_pos_bg\n",
    "    \n",
    "    def get_state(self):\n",
    "        state = []\n",
    "        state.append(self.dino.dino_rect.y / self.dino.Y_DUCK_POS + 10) \n",
    "        pos_a = (self.dino.dino_rect.x, self.dino.dino_rect.y)\n",
    "        bird = 0\n",
    "        cactus = 0\n",
    "        if len(self.obstacles) == 0:\n",
    "            dist = self.get_dist(pos_a, tuple([SCREEN_WIDTH + 10, self.dino.Y_POS])) / math.sqrt(SCREEN_HEIGHT**2 + SCREEN_WIDTH**2)\n",
    "            obs_height = 0\n",
    "            obj_width = 0\n",
    "        else:\n",
    "            dist = self.get_dist(pos_a, (self.obstacles[0].rect.midtop)) / math.sqrt(SCREEN_HEIGHT**2 + SCREEN_WIDTH**2)\n",
    "            obs_height = self.obstacles[0].rect.midtop[1] / self.dino.Y_DUCK_POS\n",
    "            obj_width = self.obstacles[0].rect.width / SMALL_CACTUS[2].get_rect().width\n",
    "            if self.obstacles[0].__class__ == SmallCactus(SMALL_CACTUS).__class__ or \\\n",
    "                self.obstacles[0].__class__ == LargeCactus(LARGE_CACTUS).__class__:\n",
    "                cactus = 1\n",
    "            else:\n",
    "                bird = 1\n",
    "        \n",
    "        state.append(dist)\n",
    "        state.append(obs_height)\n",
    "        state.append(self.game_speed / 24)\n",
    "        state.append(obj_width)\n",
    "        state.append(cactus)\n",
    "        state.append(bird)\n",
    "        \n",
    "        return state\n",
    "\n",
    "\n",
    "    def update_score(self):\n",
    "        self.points += 1\n",
    "        if self.points % 200 == 0:\n",
    "            self.game_speed += 1\n",
    "\n",
    "        if self.points > self.high_score:\n",
    "            self.high_score = self.points\n",
    "\n",
    "        text = self.font.render(f\"Points: {self.points} Highscore: {self.high_score}\", True, (0, 0, 0))\n",
    "        textRect = text.get_rect()\n",
    "        textRect.center = (SCREEN_WIDTH - textRect.width // 2 - 10, 40)\n",
    "        self.SCREEN.blit(text, textRect)\n",
    "\n",
    "    \n",
    "    def create_obstacle(self):\n",
    "        # bird_prob = random.randint(0, 15)\n",
    "        # cactus_prob = random.randint(0, 10)\n",
    "        # if bird_prob == 0:\n",
    "        #     self.obstacles.append(Bird(BIRD))\n",
    "        # elif cactus_prob == 0:\n",
    "        #     self.obstacles.append(SmallCactus(SMALL_CACTUS))\n",
    "        # elif cactus_prob == 1:\n",
    "        #     self.obstacles.append(LargeCactus(LARGE_CACTUS))\n",
    "\n",
    "        obstacle_prob = random.randint(0, 50)\n",
    "        if obstacle_prob == 0:\n",
    "            self.obstacles.append(SmallCactus(SMALL_CACTUS))\n",
    "        elif obstacle_prob == 1:\n",
    "            self.obstacles.append(LargeCactus(LARGE_CACTUS))\n",
    "        elif obstacle_prob == 2 and self.points > 300:\n",
    "            self.obstacles.append(Bird(BIRD))\n",
    "    \n",
    "    def update_game(self, moves, user_input=None):\n",
    "        self.dino.draw(self.SCREEN)\n",
    "        if user_input is not None:\n",
    "            self.dino.update(user_input)\n",
    "        else:\n",
    "            self.dino.update_auto(moves)\n",
    "\n",
    "        self.update_background()\n",
    "\n",
    "        self.cloud.draw(self.SCREEN)\n",
    "\n",
    "        self.cloud.update(self.game_speed)\n",
    "\n",
    "        self.update_score() \n",
    "\n",
    "        self.clock.tick(30)\n",
    "\n",
    "        # pygame.display.update()\n",
    "\n",
    "    def play_manual(self):\n",
    "        \n",
    "        while self.run is True:\n",
    "            for event in pygame.event.get():\n",
    "                if event.type == pygame.QUIT:\n",
    "                    sys.exit()\n",
    "                \n",
    "            self.SCREEN.fill((255, 255, 255))\n",
    "            user_input = pygame.key.get_pressed()\n",
    "            # moves = []\n",
    "\n",
    "            if len(self.obstacles) == 0:\n",
    "                self.create_obstacle()\n",
    "\n",
    "            for obstacle in self.obstacles:\n",
    "                obstacle.draw(SCREEN=self.SCREEN)\n",
    "                obstacle.update(self.obstacles, self.game_speed)\n",
    "                if self.dino.dino_rect.colliderect(obstacle.rect):\n",
    "                    self.dino.score = self.points\n",
    "                    pygame.quit()\n",
    "                    self.obstacles.pop()\n",
    "                    print(\"Game over!\")\n",
    "                    return\n",
    "\n",
    "            self.update_game(user_input=user_input, moves=2)\n",
    "            pygame.display.update()\n",
    "\n",
    "\n",
    "    def play_auto(self):\n",
    "        state_queue = queue.Queue()\n",
    "        # Crea y comienza el hilo de cálculo\n",
    "        calculation_thread = threading.Thread(target=self.dino.calculate_action, args=(state_queue, action_queue))\n",
    "        calculation_thread.start()\n",
    "        \n",
    "        try:\n",
    "            points_label = 0\n",
    "            for episode in tqdm(range(1, NUM_EPISODES + 1), ascii=True, unit='episodes'):\n",
    "                episode_reward = 0\n",
    "                step = 1\n",
    "                current_state = self.get_state()\n",
    "                self.run = True\n",
    "                while self.run is True:\n",
    "\n",
    "                    for event in pygame.event.get():\n",
    "                        if event.type == pygame.QUIT:\n",
    "                            sys.exit()\n",
    "                    \n",
    "                    self.SCREEN.fill((255, 255, 255))\n",
    "\n",
    "                    if len(self.obstacles) == 0:\n",
    "                        self.create_obstacle()\n",
    "\n",
    "                    # if self.run == False:\n",
    "                    #     print(current_state)\n",
    "                    #     time.sleep(2)\n",
    "                    #     continue\n",
    "\n",
    "                    if np.random.random() > self.epsilon:\n",
    "                        action = self.dino.get_qs(torch.Tensor(current_state))\n",
    "                        # print(action)\n",
    "                        action = np.argmax(action)\n",
    "                        # print(action)\n",
    "                    else:\n",
    "                        num = np.random.randint(0, 10)\n",
    "                        if num == 0:\n",
    "                            # print(\"yes\")\n",
    "                            action = num\n",
    "                        elif num <= 3:\n",
    "                            action = 1\n",
    "                        else:\n",
    "                            action = 2\n",
    "\n",
    "                    self.update_game(moves=action)\n",
    "                    # print(self.game_speed)\n",
    "                    next_state = self.get_state()\n",
    "                    reward = 0\n",
    "\n",
    "                    for obstacle in self.obstacles:\n",
    "                        obstacle.draw(SCREEN=self.SCREEN)\n",
    "                        obstacle.update(self.obstacles, self.game_speed)\n",
    "                        next_state = self.get_state()\n",
    "                        if self.dino.dino_rect.x > obstacle.rect.x + obstacle.rect.width:\n",
    "                            reward = 3\n",
    "                        \n",
    "                        if action == 0 and obstacle.rect.x > SCREEN_WIDTH // 2:\n",
    "                            reward = -1\n",
    "                        \n",
    "                        if self.dino.dino_rect.colliderect(obstacle.rect):\n",
    "                            self.dino.score = self.points\n",
    "                            # pygame.quit()\n",
    "                            self.obstacles.pop()\n",
    "                            points_label = self.points\n",
    "                            self.reset()\n",
    "                            reward = -10\n",
    "                            # print(\"Game over!\")\n",
    "                            self.run = False\n",
    "                            break\n",
    "                    current_state = self.get_state()\n",
    "                    state_queue.put(current_state)  # Envía el estado actual al hilo de cálculo\n",
    "\n",
    "                    if not action_queue.empty():\n",
    "                        action = action_queue.get()  # Recibe la acción del hilo de cálculo\n",
    "                        self.update_game(moves=action)\n",
    "\n",
    "                    # if reward != 0:\n",
    "                    #     print(reward > 0)\n",
    "                    \n",
    "                    episode_reward += reward\n",
    "                    \n",
    "                    self.dino.update_replay_memory(tuple([current_state, action, reward, next_state, self.run]))\n",
    "\n",
    "                    self.dino.train( not self.run, step=step)\n",
    "\n",
    "                    current_state = next_state\n",
    "\n",
    "                    step += 1\n",
    "\n",
    "                    # self.clock.tick(60)\n",
    "\n",
    "                    #print(self.points)\n",
    "                    #print(self.high_score)\n",
    "\n",
    "                    # Al final de cada episodio, verifica si hay un nuevo mejor puntaje\n",
    "                    if self.points > self.best_score:\n",
    "                        self.best_score = self.points\n",
    "                        # Este archivo se sobrescribirá con el último mejor modelo\n",
    "                        self.best_model_filename = 'models/highscore/BestScore_model.pth'\n",
    "                        torch.save(self.dino.model.state_dict(), self.best_model_filename)\n",
    "\n",
    "                    pygame.display.update()\n",
    "                \n",
    "\n",
    "                self.ep_rewards.append(episode_reward)\n",
    "\n",
    "                # Obtenemos la fecha y hora actual\n",
    "                current_time = datetime.now().strftime('%Y-%m-%d_%H-%M-%S')\n",
    "\n",
    "                # Guardar el modelo cada 50 escenarios\n",
    "                if episode % 50 == 0:\n",
    "                    filename = f'models/episodes/{points_label}_Points,Episode_{episode}_Date_{current_time}_model.pth'\n",
    "                    torch.save(self.dino.model.state_dict(), filename)\n",
    "\n",
    "\n",
    "                if self.epsilon > MIN_EPSILON:\n",
    "                    self.epsilon *= EPSILON_DECAY\n",
    "                    if self.epsilon < MIN_EPSILON:\n",
    "                        self.epsilon = 0\n",
    "                        # print(self.epsilon)\n",
    "                    else:\n",
    "                        self.epsilon = max(MIN_EPSILON, self.epsilon)\n",
    "                    # print(self.epsilon)\n",
    "                    # print((self.dino.replay_memory))\n",
    "                # Al salir del bucle del juego, envía None para detener el hilo de cálculo\n",
    "                state_queue.put(None)\n",
    "                calculation_thread.join()\n",
    "        finally:\n",
    "            # Este bloque se ejecutará incluso si se interrumpe el juego.\n",
    "            # Aquí duplicas el archivo del mejor puntaje alcanzado hasta ahora.\n",
    "            if hasattr(self, 'best_model_filename'):\n",
    "                current_time = datetime.now().strftime('%Y-%m-%d_%H-%M-%S')\n",
    "                final_model_filename = f'models/highscore/{self.best_score}_BestScore_Final_{current_time}_model.pth'\n",
    "                import shutil\n",
    "                shutil.copy(self.best_model_filename, final_model_filename)\n",
    "                print(f\"Modelo duplicado guardado como: {final_model_filename}\")\n"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "El código tiene dos modos de juego:\n",
    " - Modo Manual: El usuario juega controlando al dinosaurio con el teclado.\n",
    " - Modo Automático: El agente controla al dinosaurio basándose en las decisiones tomadas por el modelo de Q-Learning.\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 13,
   "id": "2c04f7ce",
   "metadata": {},
   "outputs": [],
   "source": [
    "def run_game(epsilon, learning_rate, num_episodes):\n",
    "    model_path = 'models/highscore/4245_BestScore_Final_2023-12-10_18-43-53_model.pth'\n",
    "    game = Game(epsilon, learning_rate=learning_rate, num_episodes=num_episodes, load_model=True, model_path=model_path)\n",
    "    game.play_auto()\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 14,
   "metadata": {},
   "outputs": [
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "  0%|          | 0/100 [00:00<?, ?episodes/s]"
     ]
    },
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "100%|##########| 100/100 [22:16<00:00, 13.37s/episodes] \n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Modelo duplicado guardado como: models/highscore/3836_BestScore_Final_2023-12-10_19-53-01_model.pth\n"
     ]
    },
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "100%|##########| 100/100 [26:16<00:00, 15.77s/episodes]\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Modelo duplicado guardado como: models/highscore/3813_BestScore_Final_2023-12-10_20-19-18_model.pth\n"
     ]
    },
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "100%|##########| 100/100 [27:43<00:00, 16.64s/episodes]\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Modelo duplicado guardado como: models/highscore/3683_BestScore_Final_2023-12-10_20-47-01_model.pth\n"
     ]
    },
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "100%|##########| 100/100 [30:23<00:00, 18.23s/episodes]\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Modelo duplicado guardado como: models/highscore/3629_BestScore_Final_2023-12-10_21-17-25_model.pth\n"
     ]
    },
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "100%|##########| 100/100 [28:44<00:00, 17.24s/episodes] \n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Modelo duplicado guardado como: models/highscore/3783_BestScore_Final_2023-12-10_21-46-09_model.pth\n"
     ]
    },
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "100%|##########| 100/100 [21:19<00:00, 12.79s/episodes]\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Modelo duplicado guardado como: models/highscore/4157_BestScore_Final_2023-12-10_22-07-29_model.pth\n"
     ]
    },
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      " 52%|#####2    | 52/100 [15:01<31:07, 38.90s/episodes]  "
     ]
    }
   ],
   "source": [
    "epsilons = [0.1, 0.2, 0.3]  # diferentes valores de epsilon que quieres probar\n",
    "learning_rates = [0.001, 0.005, 0.01]  # diferentes tasas de aprendizaje\n",
    "num_episodes_list = [100, 200, 300]  # diferentes números de episodios\n",
    "\n",
    "for epsilon in epsilons:\n",
    "    for lr in learning_rates:\n",
    "        for num_episodes in num_episodes_list:\n",
    "            run_game(epsilon, lr, num_episodes)"
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3 (ipykernel)",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.10.9"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}