mlmp (Machine Learning Mouse Path) 是一个用于鼠标路径控制和训练的 Python 包，使用mlmp推理出的鼠标路径移动鼠标，让其看起来更像人类。它提供了鼠标路径预测功能，并支持通过数据收集和训练来自定义鼠标行为
- 鼠标路径预测：基于预训练模型或自定义模型文件，预测鼠标路径。
- 数据收集：收集鼠标移动数据，用于训练自定义模型。
- 训练模型：使用收集的数据训练鼠标行为模型。
- 时间序列数据支持：支持时间序列数据的收集和训练（需启用开发功能）。
正处于开发阶段，功能随时可能发生变化
由于没有足够的时间，所以如果真的希望使用这个功能，可以自己收集足够的数据之后测试，个人测试，同样200组数据不能达到需求的效果，建议增加数据量至数千组或以上进行训练
通过 pip 安装 mlmp：
pip install mlmpfrom mlmp import mouse
# 初始化鼠标对象
m = mouse()
# 预测鼠标路径
start = (0, 0)
end = (100, 100)
result = m.mouse_output(start, end)
print(result)
# 输出示例
[(0, 0), (6, 5), (11, 17), (17, 19), (21, 20), (14, 11), (11, 11), (5, 4), (4, 3), (3, 5), (8, 5)]from mlmp import TrainBySelf
# 初始化训练器
trainer = TrainBySelf()
# 收集数据
trainer.collect_data()
# 训练数据是点击红色球后再点击一次蓝色球，视为一次数据收集，每轮最多记录100次
# 建议收集5轮次及以上的数据后，在开始训练
# 训练模型
# 将收集好的数据（mouse_data.csv）抽出一部分，放入（mouse_data_test.csv）
# 或重新收集1-2轮次，保证两个文件可访问
trainer.train()
# 训练完成后，会生成一个onnx模型文件from mlmp import TrainBySelf
# 初始化训练器并启用开发功能
trainer = TrainBySelf()
trainer.dev_features = True
# 收集时间序列数据
trainer.time_seq_mouse_data()
# 与之前方式相似，名字改为 mouse_data_time_seq.csv
# 训练集名字改为 mouse_data_time_seq_test.csv
# 训练时间序列模型
trainer.time_seq_train()
### 补充时间序列预测的推理功能
import mlmp
mouse_path = mlmp.dev_mouse(model_path = "你的模型位置", dll=False)
start = (0, 0)
end = (200, 100)
print(mouse_path.mouse_output(start, end, absulute=False))时间序列数据收集和训练功能默认为关闭状态。如果需要使用，请在初始化 TrainBySelf 时启用开发功能：
trainer = TrainBySelf()
trainer.dev_features = Trueonnxruntime：用于模型推理。
本项目基于 MIT 许可证发布。详情请参阅 LICENSE 文件。
访问 GitHub 仓库 获取最新版本和源代码。
本项目的部分代码借鉴了 suixin1424/mouse_control 的实现