Avec un algorithme qui fait jouer l’ordinateur de manière aléatoire :
Cette dissymétrie (56 % / 44 %) est intéressante parce qu’elle va permettre d’étudier l’influence de paramètres liés à la grille (taille, forme) sur le taux de victoires jaunes et rouges.
Les sites officiels : Processing et Debian
Dans la console :
Si le répertoire processing n’existe pas déjà, je le crée :
sudo mkdir /usr/share/processing
Je télécharge la version 64 bits (à adapter) :
cd Téléchargements
wget -c http://download.processing.org/processing-3.5.4-linux64.tgz
Je décompresse l’archive et l’installe à l’endroit voulu :
tar -zxvf processing-3.5.4-linux64.tgz
sudo mv processing-3.5.4 /usr/share/processing
Je télécharge l’icône processing et l’installe à l’endroit voulu :
wget http://entropie.org/3615/download/processing.png
sudo mv processing.png /usr/share/processing
Pour effacer une version précédente de Processing (x à adapter) :
sudo rm -rf /usr/share/processing/processing-3.x.x
Pour intégrer le programme au menu de Xfce, je crée un fichier processing-3.desktop dans le répertoire /usr/share/applications :
cd /usr/share/applications
sudo nano processing-3.desktop
[Desktop Entry]
Type=Application
Name=Processing 3
Comment=Un environnement de développement pour le langage Processing
Exec=/usr/share/processing/processing-3.5.4/processing
Icon=/usr/share/processing/processing.png
Terminal=false
Categories=Development;
NXC est un langage de programmation spécifique au robot Lego Mindstorms NXT. Il est basé sur le NBC, un langage assembleur.
Dans la console :
sudo apt-get install nbc
Paramétrer Geany pour pouvoir compiler aussi bien des fichiers nxc que nbc (Construire > Définir les commandes de construction) :
nbc -S=usb -d %e.n*c
Enregistrer les fichiers sources au format nxc, puis compiler (touche F8). Le transfert sur la brique NXT se fait dans la foulée. Par conséquent, si la brique NXT n’est pas allumée, Geany indique « Compilation échouée », ce qui ne veut pas dire que le code est erroné : Une erreur dans le code entraîne un message d’erreur en rouge au moment de la compilation.
Seule la version 5.3 de Sweet Home 3D est disponible dans les dépôts de Debian 9, d’où cet article.
Le site officiel : Sweet Home 3D
Dans la console :
Si le répertoire SweetHome3D n’existe pas déjà, je le crée :
sudo mkdir /usr/share/SweetHome3D
Je télécharge SweetHome3D (64 bits) depuis cette adresse :
http://www.sweethome3d.com/fr/download.jsp
Je décompresse l’archive et l’installe à l’endroit voulu :
cd Téléchargements
tar -zxvf SweetHome3D-6.1.2-linux-x64.tgz
sudo mv SweetHome3D-6.1.2 /usr/share/SweetHome3D
Pour effacer une version précédente de SweetHome3D (x à adapter) :
sudo rm -rf /usr/share/SweetHome3D/SweetHome3D-6.x.x
Pour intégrer le programme au menu de Xfce, je crée un fichier SweetHome3D-6.desktop dans le répertoire /usr/share/applications :
cd /usr/share/applications
sudo nano SweetHome3D-6.desktop
[Desktop Entry]
Type=Application
Name=Sweet Home 3D 6.1.2
Comment=Logiciel d’aménagement d’intérieur
Exec=/usr/share/SweetHome3D/SweetHome3D-6.1.2/SweetHome3D
Icon=/usr/share/SweetHome3D/SweetHome3D-6.1.2/SweetHome3DIcon.png
Terminal=false
Categories=Graphics;2DGraphics;3DGraphics;
Dans la console :
Pour rechercher un fichier par son nom :
find <emplacement> -iname <nom fichier> -print
-iname n’est pas sensible à la casse, contrairement à -name
* sert à remplacer des caractères
Autres filtres possibles :
-type
-and / -or / -not
-size
Pour rechercher un fichier par ce qu’il contient :
grep -r -i "<expression>" <emplacement>
-r : rend la recherche récursive
-i : la recherche n’est pas sensible à la casse
Spyder : Environnement de développement.
NumPy : Pour manipuler des matrices ou des tableaux à N dimensions.
SciPy : Pour du calcul scientifique. Complète NumPy.
Matplotlib : Pour tracer des courbes, des graphiques.
Pandas : Pour la manipulation et l’analyse des données.
Scikit-image : Traitement d’images.
Scikit-learn : Machine Learning.
Sous Debian 9, installer les paquets spyder3, python3-numpy, python3-scipy, python3-matplotlib, python3-pandas, python3-skimage, python3-sklearn.
Pygame : Pour le développement de jeux vidéo temps réel
Jean-Claude Heudin, en page 12 : « Cet ouvrage se concentre sur l’essentiel pour aboutir à son objectif pédagogique : celui de comprendre. »
Le livre de référence sur le Deep Learning a désormais sa version française.
Pour visualiser le rognage à effectuer, j’utilise au préalable VLC :
Outils > Effets et filtres > Effets vidéo > Rognages
Puis j’utilise en mode console FFmpeg :
ffmpeg -i input.mp4 -qscale:v 0 -filter:v "crop=w:h:x:y" output.mp4
ou éventuellement :
ffmpeg -i input.mp4 -crf quality -filter:v "crop=w:h:x:y" output.mp4
avec :
quality : qualité de la vidéo (0 : la meilleure ; 63 : la pire)
w : largeur de la vidéo recadrée
h : hauteur de la vidéo recadrée
x:y : coordonnées du coin supérieur gauche du rectangle précédemment défini (les coordonnées 0:0 sont en haut à gauche de la vidéo initiale)
Pour éventuellement modifier la taille de la vidéo finale :
ffmpeg -i input.mp4 -qscale:v 0 -vf scale=w:h output.mp4
avec
w : largeur de la vidéo finale
h : hauteur de la vidéo finale
Remarque : L’option -qscale:v 0 permet de garder la même qualité que la vidéo d’origine.
J’ai écrit trois programmes :
– Un humain joue contre un humain
– Un humain joue contre l’ordinateur (sans IA)
– L’ordinateur joue contre lui même (sans IA)
Les sources des programmes sont sur Github.
La prochaine étape va être de mettre en oeuvre une intelligence artificielle, en commençant par l’algorithme minimax puis l’algorithme alpha-bêta. Mon objectif est à terme de réussir à mettre en oeuvre une IA qui repose sur de l’apprentissage.
