unity游戏之年度最佳游戏奖项名单公布

七大黍 七大黍 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 3k累计阅读 3.1k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄20年
关注
原创 最新推荐文章于 2026-06-29 15:48:33 发布 3k 阅读 AI 写同款· GEO 优化 ›
Unity独立游戏大集合 Unity独立游戏大集合 Flightless Classic Flightless is a tile-based puzzle adventure game. Navigate your way through a series o... 阅读详情

祝大家羊年阖家欢乐、万事如意、三阳开泰、恭喜发财。

迎新年，颁大奖，今天心目中的2014年对行业做出突出贡献的优秀创新游戏产品。希望新的一年能够涌现出更多的优秀游戏产品为行业和玩家带来惊喜。

以下是2014完整获奖产品名单


年度游戏

获奖标准：年度游戏重点奖励过去一年中给行业带来突出影响，获得巨大成功的游戏产品。

年度手机网游：《刀塔传奇》
《刀塔传奇》是2014年全年表现最为突出的手机网游产品，无论从收入、创新度、还是用户受欢迎程度来看，都是当之无愧的中国2014年年度手机网游产品。
年度休闲手游：《开心消消乐》
《开心消消乐》是2014年全年表现极为突出的休闲手游产品，其不仅获得全平台过千万的DAU用户，同时收入在2014年屡创新高最终突破月5000万大关，是当之无愧的中国2014年年度休闲手游。
年度网页游戏：《大天使之剑》
《大天使之剑》在2014年屡破收入记录，同时依靠优质的产品品质折服了整个网页游戏市场，获得了各大平台和玩家的喜爱，同时奇迹正版IP授权改编的成功，一举结束了2013年传奇题材网页游戏独霸市场的局面。
年度客户端网游：《剑灵》
《剑灵》于2013年11月启动不删档测试，2014年8月启动公测，在日趋疲软的客户端网游市场，《剑灵》依靠2014年全年在端游市场的高人气度，以及曾突破200万在线的新端游发布记录，成为当之无愧的2014年年度客户端网游产品。
终身成就奖

获奖标准：旨在奖励哪些对中国游戏产业做出突出贡献的人物。

陈天桥
随着盛大游戏退市、并购，以及盛大网络的退市，陈天桥这位曾开创国内网游市场的先锋人物，在2014年逐步淡出游戏业。陈天桥为中国游戏产业所作出的突出贡献，包括在免费游戏领域的创新，值得所有国内游戏从业者铭记。
移动游戏分类奖年度手机游戏突破创新奖

获奖标准：重点奖励过去一年中在手机游戏品类、核心玩法、以及用户细分市场突破创新的优秀游戏手游产品。

《刀塔传奇》
《刀塔传奇》2014年的突出贡献在于动作卡牌核心玩法的创新，在手游产品日趋重度化的大环境下，《刀塔传奇》为卡牌游戏注入了新的活力，同时启发了一批2014年下半年的新产品、且有多款“跟进产品”取得了一定的成绩。
《天龙八部3D》
《天龙八部3D》是2014年第一款在重度MMORPG领域证明此类产品巨大潜力的手游产品，连续2个月月流水过2亿的成绩让行业震惊。在《天龙八部3D》发布之后，行业内后继多款重度手机网游横扫国内手游市场，“重度游戏年”终于被证明不是空穴来风。
《乱斗西游》
相比PC市场MOBA类游戏的日趋成熟，手机游戏MOBA产品一直有待证明其价值，《乱斗西游》依靠MOBA玩法的创新、以及稳健的市场表现和高人气，证明了在移动游戏市场MOBA类玩法手游产品潜力巨大。
《全民枪战》
FPS射击类网游在PC游戏市场是一个玩家众多的游戏类型，而在手游市场，在《天天枪战》发布之前，一直缺乏有效的验证。《全民枪战》依靠在android市场的高人气度，证明了强操作的射击类手机网游在手游市场依旧存在机会，同时《全民枪战》在手游竞技化方向的尝试值得称赞。
《暖暖环游世界》
女性游戏市场一直是国内游戏业欠开发的品类，《暖暖环游世界》以其极高的人气度证明了女性游戏市场的潜力。
《天天富翁》
《天天富翁》虽然是一款韩国产手游产品，但无论是在韩国、中国大陆、还是港澳台市场都被证明是一款成功的桌游玩法休闲手游产品，桌游玩法细分市场从此被《天天富翁》打开。
《消灭星星》
在去年的休闲游戏市场的三消品类，《开心消消乐》取得了不俗的业绩表现，而在整体市场上，更早推出的《消灭星星》同样取得了极高的收入和人气度，虽然《消灭星星》在版权方面存在各种说法、有多家游戏公司推出了多款星星类产品，但行业不应忘记《消灭星星》对三消玩法品类的重大贡献。
《秦时明月》
过去2年中，日本动漫题材手机游戏横贯市场，二次元俨然成为日本动漫在中国的代名词，且有大量产品存在版权问题。手游《秦时明月》的横空出世，不仅证明了国产动漫品牌在中国玩家心目中的巨大影响力，也被证明是极具潜力的IP，国漫当自强。
《实况俱乐部》
2014年是手游市场继续突飞猛进的一年，同时也是世界杯年。多款足球题材手机游戏在世界杯期间横空出世，最终取得突出成绩的足球类手游产品，正是《实况俱乐部》，体育类题材手游在中国市场被证明存在成功的可能性。
《围住神经猫》
HTML5游戏在此前一直缺乏玩家和行业的关注度，就在行业认为H5游戏大势已去的时候，《围住神经猫》的微信刷屏，重新让行业认知到了H5游戏的独特价值。
年度手游最佳运营奖

获奖标准：旨在奖励哪些过去一年具有突出手游运营能力的手游产品。

《时空猎人》
已发布27个多月的《时空猎人》在2014年全年依旧保持着月均破1亿元的流水收入，同时2014年全年最高DAU达到280万，作为一款老产品，其稳健的运营和品牌塑造方式，值得全行业关注。
《刀塔传奇》
《刀塔传奇》自2014年2月上线以来，近1年的时间运营尤为出色，曾多次夺得中国区iOS收入榜第1，同时长期保持在收入榜TOP10。2014年下半年多款竞争产品上线后，《刀塔传奇》不仅抵抗住了产品自然衰退、也成功抵御了多款竞争产品的冲击。
《神武》
《神武》的运营方式可谓给国内手游业上了一课，与行业推崇高举高打的强势发行相反，《神武》采取了稳健、慢速爬升的节奏，不仅未接入联运平台，且最终短暂获得了中国区iOS收入榜第1的成绩，并长期保持在收入榜TOP10,其独特的运营方式，值得行业关注。
《三国之刃》
好产品是改出来的，在《三国之刃》上体现的格外突出，最初这款被渠道评为B级、无发行商问津的游戏产品，在开发商的持续打磨之下成为了一款S级手游。经由腾讯平台独代发行之后，《三国之刃》曾长时间保持在收入榜第1的位置，且发行数月之后，以稳健的运营依旧保持在收入榜前列，是近期腾讯平台发挥最为稳定的三方手游新品。
《天天酷跑》
《天天酷跑》于2013年9月发布，运营至今已有17个月，时至今日《天天酷跑》依旧保持在收入榜TOP10，作为国内用户量最大的休闲游戏、也是用户量最大的跑酷类手游产品，《天天酷跑》的稳健运营和持久的高收入证明了腾讯的实力。
年度手游最佳美术表现奖

获奖标准：旨在奖励过去一年中产品美术表现力尤为突出的手游新品。

《全民奇迹》
3D手机游戏表现力的极限是怎样的？手游《全民奇迹》不仅成功复刻了《奇迹》带给玩家的经典回忆、实现了单月过2亿的超高收入，同时在过去一年曝光的手游新品中占在了产品表现力的高点，虽然采用了Unity引擎开发而未使用高端3D引擎，依旧呈现了靓丽的游戏画面效果。
《影之刃》
美术风格的匮乏一直都是国内游戏产品视觉识别力的最大束缚，《影之刃》以其独特的中式武侠结合蒸汽朋克的手绘画风，开创了属于自己的独特美术风格，同时吸收传统动画制作工艺，带给广大玩家赏心悦目的华丽2D动作手游感受。
《放开那三国》
在传统的卡牌游戏品类上，要实现创新十分困难。而《放开那三国》不仅成功实现了“狂拽霸酷狂”的独特卡牌效果，也以其突出的产品表现征服了国内手游市场。
年度手游最佳市场营销奖

获奖标准：旨在奖励过去一年中市场营销取得巨大成功的手游产品。

《海岛奇兵》
《海岛奇兵》作为一款Supercell研发的海外游戏产品，去年年中经由代理商昆仑万维的成功营销推广在中国市场成功引爆，其创新的结合电视综艺节目、代言人、线上线下推广的手段，值得行业学习。这款产品发布之后，至今在国内各大渠道的稳健收入表现证明了《海岛奇兵》的实力，同时春节假期期间《海岛奇兵》的创新微信红包营销也让行业留下了深刻的印象。
《开心消消乐》
一款休闲手游能有多大的营销投入？《开心消消乐》不仅在2014年多次在榜单上挑战各路人气网游产品，其线下推广的广度和力度，都堪称2014年营销投入最大的休闲手游，依靠营销和产品品质取胜的《开心消消乐》、一举成为去年休闲游戏营销推广的经典案例。
《天龙八部3D》
通过产品、通过IP、通过营销推广撬动渠道资源《天龙八部3D》2014年的发布打了漂亮一仗，其不仅在收入角度成功，其发布第二天，即引来各大渠道晒数据，堪称行业罕见。让所有人都陷入疯狂，成功的手游营销莫过于此。
年度手游最佳配音/配乐奖《三国杀传奇》
配音配乐一直以来都不被国产游戏产品所重视，而在端游时代，《三国杀》即以其独特的配音让玩家留下了深刻的印象，2014年由三国杀改编的《三国杀传奇》继续保持了角色配音的高品质。
网页游戏分类奖年度网页游戏突破创新奖

获奖标准：重点奖励在过去一年中在网页游戏品类、核心玩法、以及用户细分市场突破创新的优秀网页游戏产品。

《大天使之剑》
《大天使之剑》在2014年屡破收入记录，同时依靠优质的产品品质折服了整个网页游戏市场，获得了各大平台和玩家的喜爱，同时奇迹正版IP授权改编的成功，一举结束了2013年传奇题材网页游戏独霸市场的局面。

《风云无双》

作为港漫的代表作《风云》虽然屡次改编为游戏产品，但一直未能在国内游戏市场去得大成表现。2014年《风云无双》的出现，不仅改变了网页游戏题材单一的局面，同时通过引入《风云》IP，发掘了国产漫画在网页游戏领域的潜力。
《焚天之怒》
网页游戏在2014年出现了多款IP改变产品，而其中，由腾讯一手主导的定制IP产品《焚天之怒》不仅证明了其在腾讯平台是一款出色的网页游戏产品，其同名改编小说的同步连载，也探讨了网页游戏产品与网络文学相互结合的新形式。
《大闹天宫OL》
《大闹天宫》是2014年春节上映的一部票房过10亿元的贺岁大电影，而作为同名改编网页游戏，《大闹天宫OL》延续了电影的高收入，2014年这款网页游戏取得了月收入过亿的成绩，电影IP的潜力也被这款页游产品成功在游戏市场发掘。
《黑暗之光》
3D网页游戏此前在行业内一直缺乏高收入产品，《黑暗之光》在2014年的成功问世，一举树立了3D页游产品在网页游戏领域的地位，其自研3D引擎的优秀表现，说明了国内网页游戏企业在技术创新上的努力。
《火影忍者OL》
与手机游戏对日本动漫IP的狂热不同，在网页游戏市场日本动漫IP尚未体现其独特的价值，《火影忍者OL》以其正版授权的出身和精良的制作质量，证明了日漫IP在网页游戏市场同样能产生极高的人气度。
年度网页游戏最佳海外市场表现奖

获奖标准：重点奖励过去一年中在海外市场取得突出表现的优秀网页游戏产品。

《女神联盟》
《女神联盟》是一款2013年在国内网页游戏市场取得大成的产品，2014年，其不仅成功推出了同名改编手游，同时也走出国门，正式登陆海外市场。在欧美市场，网页游戏《女神联盟》2014年取得了数千万每月的收入，并且一举成为Facebook年度游戏，页游《女神联盟》成为当之无愧的2014年海外最佳表现国产网页游戏。
客户端网游分类奖年度客户端网游突破创新奖

获奖标准：重点奖励在过去一年中在PC端游品类、核心玩法、以及用户细分市场突破创新的优秀端游产品。

《幻想神域》
在日渐疲软的端游市场，哪里才有新的细分市场一直是考验端游厂商的命题，2014年《幻想神域》的推出，成功打通了端游与二次元用户的通路，发掘细分用户市场正是端游产品未来的潜力所在。
年度客户端网游最佳运营奖

获奖标准：旨在奖励哪些过去一年具有突出运营能力的PC端游产品。

《DOTA2》
在腾讯《英雄联盟》独霸MOBA竞技游戏品类的格局下，《DOTA2》在过去一年中的稳健运营不仅让国内玩家有了新的MOBA产品的选择机会，同时《DOTA2》也在2014年去年收获了持续增长的人气。
年度客户端网游最佳营销奖

获奖标准：旨在奖励过去一年中市场营销取得巨大成功的PC端游产品。

《最终幻想14》
2014年8月，在签约《最终幻想14》长达4年之后，盛大游戏正式在国内市场发布《最终幻想14》，作为第一款进入中国市场的最终幻想系列网游产品，发布日当天，这款游戏涌入了高达70万的国内玩家，在盛大历史上该成绩仅次于《永恒之塔》，盛大在端游营销领域证明宝刀未老。

收录于
Unity新闻

当前文章被收录于：

Unity新闻
67 篇文章 3 人学习
订阅专栏 查看详情
标签
#Unity3D培训 #Unity培训 #unity3D学习 #3d游戏开发 #Unity3D游戏
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
【实战】Unity3d实战之Unity3d网络游戏实战篇（9）：协议 Unity3d实战之Unity3d网络游戏实战篇（9）：协议 学习书籍《Unity3d网络游戏实战》 罗培羽著 机械工业出版社 本文是作者在学习过程中遇到的认为值得记录的点，因此引用的代码等资源基本出资罗培羽老师的书籍，如有侵权请联系，必删。 　一套通用的服务端框架要支持不同游戏所使用的各种协议格式。所谓协议就是通信规则，例如：如果发送端直接发送一串数值数据给接收端，接收端并不... 阅读详情

相关推荐

Unity游戏开发-小游戏-非常简单的游戏-unity-

   1*创建物体 Create菜单下 3D Object菜单下Cube 1.1设置属性x100   z100作为地面  1.2在创建一个立方体物体 1.3 Create菜单下 3D Object菜单下Cube    1.4复制立方体 创建一个空物体放立方体                       代码    #...

MonsterMing的博客 2万+

Unity3D游戏作品大盘点

* 原文链接： http://www.unitymanual.com/404.html 经典重现《新仙剑OL》 《新仙剑OL》采用跨平台Unity3D引擎，耗资数千万，历时三年多，由台湾大宇正版授权，“仙剑之父”姚壮宪监制的全球首款Unity3D航母级双端(网页和客户端)中国风MMORPG网络游戏巨作。主打温情牌并且延续了仙剑系列的国风雅韵，人物塑造细腻唯美，场景构建精致逼真。

1万+

Unity3d 技巧(9) 游戏上线必备 适配Steam 安装包需要用到的资料

Steam 上线游戏

qq_20589257的博客 1335

Unity制作的游戏荣获游戏奖，金羽奖和PSX

unity制作游戏 对于用Unity制作的游戏(MWU)来说，这是度过了愉快的一周，获得了包括以下方面的最高荣誉： (It’s been a great week for games Made With Unity (MWU), picking up top honors across the board, including:) Winning 4 awards at The Game Awar...

culiao6493的博客 456

Unity3D 大型游戏 最后一站 源码 部分重点 GameView-LoginWindow（17）

本文固定链接 http://blog.youkuaiyun.com/u013108312/article/details/78360607登录界面也就是游戏进入的第一个界面了。 有个BaseWindow以后游戏的任何一个界面都可以去继承它，这样写起来每个思路就会变的清晰的多了。在游戏中可能有的人看不懂代码怎么运行的，可能是因为对事件和状态机的管理不太熟悉，不过没事，后期都会进行更新这些代码的解读，就这样一步

Circle 1万+

Unity3d 14个热门游戏

14个热门游戏下载 nity3d 战斗卡牌《变身吧主公》客户端+服务器源码 等

U3D开发的逆天级大型游戏有哪些

1.World of Diving 潜水世界 一款潜水游戏 潜水世界：http://dx60.downyouxi.com/qianshuishijie.zip 氛围不错，不过细看建模好像不是特别精细的样子 2. The Forest 森林 自杀森林：https://pan.baidu.com/s/15FXgxieNAu4e17DTvV...

aerou的博客 4万+

ADS RFpro 射频阻抗仿真步骤

导入器件后，在库里面选取器件的对应模型，如图所示我们选取10pf 系统自带的村田模型。选取网络上的器件，拖入到下面component Models。导入成功后，截取需要仿真的区域（不截取仿真时间会非常长），可以生成对应如下原理图，通过原理图继续调整仿真。图上找到需要仿真链路上的网络，右键设置为信号。的叠层信息，按照PCB板厂提供信息填写完整。选择仿真的频率范围和频点数，生成如下图的RFPro仿真界。，然后再把GND也添加到下面。按图设置截取需要仿真的部分。添加成功后 网络就有了，15 双击run开始仿真。

m0_72954480的博客 3216

游戏界的奥斯卡奖是什么？还有哪些权威游戏奖项？

电子游戏，很早就被人们公认为是继绘画、雕刻、建筑、音乐、诗歌（文学）、舞蹈、戏剧、电影八大艺术形式之后的“第九艺术”。 但一直以来，由于种种复杂原因。在我国，人们对电子游戏的认可程度还远远无法与其他艺术形式相提并论。 事实上，游戏界与音乐界、电影界一样拥有属于自己的评判体系。 今天就向大家介绍下游戏界公认的权威奖项。了解这些奖项之后，大家就可以据此找到世界公认的精品游戏，避免入坑，愉快玩耍。 ​ ...

tppblueblue的博客 1万+

保姆级教程：用YOLOv5s搞定钢材表面缺陷检测，从数据集NEU-DET到模型部署全流程

本文提供了一份详细的YOLOv5s钢材表面缺陷检测教程，涵盖从NEU-DET数据集处理到模型部署的全流程。针对工业环境中的实际限制，如计算资源有限和标注样本少等问题，提供了优化方案和实用技巧，帮助开发者快速实现高效的钢材缺陷检测系统。

weixin_30568591的博客 464

联邦学习模型投毒研究进展

在联邦学习中，多个设备（如移动设备、IoT设备等）本地训练模型，然后将更新的模型参数上传到服务器进行聚合。

2401_82375734的博客 1265

每周资讯 | 苹果iOS小游戏开通支付，抽成15%；《燕云十六声》海外版上线，累计玩家超200万

点击浏览行业相关资讯！

GameGoing的博客 807

5G初始注册流程详解（2）-Registration Request

1:了解注册的本质，5G终端为什么要注册？ 2:SUCI，SUPI,5G-GUTI的区别？ 3:为什么会有COMPLETE REGISTRATION REQUEST呢？

weixin_53220301的博客 3794

游戏背包系统，Unity NGUI实现(上)

背包系统一般很多游戏都有用到，小时候玩的街机的那种三国志？，西游释厄传 里面都有简单 的物品储存，也就是背包功能了。 2.5D回合 游戏梦幻西游端游 梦幻西游手游 神武-手游 神武-端游 问道手游 问道端游 梦幻诛仙-端游 梦幻诛仙手游 感觉和梦幻西游 很相似 神雕侠侣-端游 神雕侠侣手游。 ...

zebin的博客 3241

Figma汉化教程

Figma汉化教程

cc蒲公英的博客 1万+

STM32低功耗模式下ADC采样抖动的5个隐藏陷阱及解决方案（实测避坑）

本文深入探讨了STM32低功耗模式下ADC采样抖动的5个常见陷阱及解决方案，包括多通道采样电压跃迁、外设开关信号稳定、低功耗模式与ADC时钟同步、输入阻抗失配以及基准电压稳定性问题。通过实测数据和优化代码示例，帮助工程师有效规避ADC采样数据抖动问题，提升物联网设备的测量精度和稳定性。

weixin_30316097的博客 381

Unity特效-- 标题光效

Shader "Custom/ImageEffects" { Properties { _MainTex("Main Tex", 2D) = "white" {} _MaskColor("Mask Color", color) = (1, 1, 1, 1) _Speed("Speed", float) = 2 _MaskLimit("MaskLimit", float)

赖张殷-Eagle 1322

Lasso的原理及其与其他特征选择方法的比较进行阐述，然后讨论Lasso优点、缺点以及应用场景，最后给出了代码实例

在机器学习领域中，特征选择（feature selection）是指在模型训练前对数据集进行分析，选择其中有助于预测目标变量或影响模型性能的特征，去除不相关或冗余的特征，提升模型的泛化能力。而Lasso回归是一种很流行的用于特征选择的方法之一。Lasso回归（又称LASSO，least absolute shrinkage and selection operator）是一种线性模型中的特征选择方法。

AI天才研究院 3051

Unity 游戏框架搭建 (九) 减少加班利器-QConsole

毛要实现这个工具?   1.在我小时候,每当游戏在真机运行时,我们看到的日志是这样的。                 没高亮啊,还有乱七八糟的堆栈信息,好干扰日志查看,好影响心情。   2.还有就是必须始终连着usb线啊，我想要想躺着测试。。。 以上种种原因,QConsole诞生了。 如何使用?     使

aasd1m的博客 964

【批处理脚本】-0.1-如何运行批处理bat文件

如何运行批处理bat文件

「汽车电子助手」的博客 1585

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具，可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

2018年Unity大奖：庆祝创作者

The Unity Awards are one of our favorite events of the year, and we’re excited to be bringing them to you again this year! These awards are just one way we look to recognize, emphasize, and congratula...

culiao6493的博客 174

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料，已经经过了本人的筛选和整理，希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助！

unity 2019_加入Unity参加GDC 2019 –我们迄今为止最大的活动

unity 2019GDC is one of the biggest game development events of the year, and it happens right in Unity SF’s backyard! Join us for a week centered on our latest technologies and filled with exciting an...

culiao6493的博客 696

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

「Unity2D」使用Unity创建一个2D游戏系列-9

菜单选项 - 载入和重启游戏 本文由泰然教程组成员 betterdenger 翻译，原文请参阅「Menus - loading and restarting the game」 我们已经完成了我们游戏的第一个关卡，它具有基本的游戏性，一些声音，图像和粒子。 然后，当玩家死亡的时候，游戏会继续运行，不会重新开始。而且开始游戏得很突兀，直接就进入了游戏。很显然我们需要一些菜单按钮来控

丿浅笑丶离殇的博客 8672

Unity3D游戏开发之开发游戏带来的问题

昨日曾就某投资人把移动团队失败原因之一归于选择Unity引擎进行了一番评论，工具本身无罪，但如何理解工具、正确使用Unity引擎确实需要讨论，在选择Unity之前你或许需要了解下这个引擎实际开发过程中的技术特点、以及适应的游戏产品类型，热心读者Fxcarl昨天就这个问题专门撰文一篇，来帮助大家了解Unity游戏开发、分享心得，推荐阅读。 　　代码驱动带来的技术题 　　游戏碎片化。U3D

1798

Unity3D学习笔记(9) 坦克对战游戏 AI 设计

商店中的资源Tanks! Tutorial是一个完整的两个玩家进行对战的坦克游戏。预制、地图很优美、规范。遵循“感知-思考-行为”模型，使其中的红色坦克（Player2）具有智能跟踪Player1的功能，并在适当的时候射击Player1。 NavMesh是unity提供的导航寻路功能。给对象加上Nav Mesh Agent组件，在Navigation窗口给地图中的各个对象设置walkable...

Z_J_Q_ 1528

腾讯云原生AI工作流：开箱即用的Agent服务实践

AI Agent 工作流是当前企业智能化落地的核心范式，其本质是将大模型能力、工具调用、多步编排与渠道集成进行结构化封装。技术原理上依赖Serverless函数编排、低代码流程引擎与可信模型网关协同，实现意图识别→工具调度→结果渲染的端到端闭环。该架构显著降低AI应用工程门槛，释放业务价值——无需运维基础设施，即可在金融、HR、销售等场景快速构建可审计、可监控、可合规的生产级助手。尤其适合中小企业IT团队与独立开发者验证MVP，典型如‘微信查财报’‘飞书分析销售线索’等需求。本文聚焦腾讯云原生AI工作流的落

culiao6493的博客 536
上一篇： unity之台湾游戏教父王俊博：做永远的抬轿人
下一篇： 土豪手游:[糖果传奇]累计收入破187亿元
点赞 0
评论 0
书签 书签 0
七大黍
七大黍
博客等级 码龄20年 436粉丝 260原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值