训练 YOLO（You Only Look Once）来实现自动玩网游是一个相对复杂的任务，需要涉及到计算机视觉、机器学习和游戏开发等多个领域的知识。下面是一般的步骤：

1. 数据收集：收集游戏截图或视频，并进行标注。标注目标物体的位置和类别，以用于训练模型。

2. 数据预处理：将收集到的数据进行预处理，包括图像的裁剪、缩放和格式转换等，确保数据适合用于模型训练。

3. 模型选择：选择适合目标检测的模型，如基于 YOLO 的模型。可以使用开源的深度学习框架，如TensorFlow或PyTorch来实现模型。

4. 模型训练：使用准备好的数据集来训练模型。采用监督学习的方式，通过迭代反向传播来优化模型的权重和参数，使其能够准确地检测出目标物体。

5. 模型评估：使用测试集评估训练好的模型的性能，包括准确率、召回率等指标。根据评估结果，优化模型和训练过程。

6. 游戏环境搭建：在实际玩游戏之前，需要创建一个游戏环境，并与模型进行集成。这可能涉及到游戏引擎的使用和开发。

7. 模型应用：将训练好的模型应用到游戏环境中，让模型可以实时检测游戏画面，并执行相应的操作。这可能需要编写一些自动化脚本或程序。

需要注意的是，这是一个相当复杂和技术性的任务，需要深入的计算机视觉和机器学习知识，并具备开发和编程的能力。而且，自动玩网游可能涉及到违反游戏规则的行为，你需要谨慎考虑相关法律和道德问题。