AlphaZero_Gomoku

Alphazero-Gomoku

这是用于从纯自我玩训练中玩简单的棋盘游戏Gomoku（也称为Gobang或五个）的Alphazero算法的实现。 Gooku游戏比Go或国际象棋要简单得多，因此我们可以专注于Alphazero的训练方案，并在几个小时内在单个PC上获得相当不错的AI模型。

参考：

1. Alphazero：通过自我游戏掌握国际象棋和Shogi，并使用一般的强化学习算法
2. Alphago Zero：掌握无知识的GO游戏

更新2018.2.24：支持TensorFlow培训！

更新2018.1.17：支持Pytorch的培训！

训练模型之间的示例游戏

• 每次举动都有400个MCT竞赛：
  

要求

要使用训练有素的AI模型，只需要：

• Python> = 2.7
• numpy> = 1.11

要从从头开始训练AI模型，请进一步需要：

• theano> = 0.7和宽面条> = 0.1
  或者
• pytorch> = 0.2.0
  或者
• 张量

PS ：如果您的Theano的版本> 0.7，请遵循此问题安装Lasagne，
否则，将pip强制降级至0.7 pip install --upgrade theano==0.7.0

如果您想使用其他DL框架训练模型，则只需重写polition_value_net.py即可。

入门

要使用提供的模型，请从目录中运行以下脚本：

 python human_play.py  

您可以修改human_play.py尝试不同的模型或纯MCT。

与Theano和Lasagne从头开始训练AI模型，直接运行：

 python train.py

使用Pytorch或TensorFlow，首先修改文件train.py，即

 from policy_value_net import PolicyValueNet  # Theano and Lasagne

并取消排队

 # from policy_value_net_pytorch import PolicyValueNet  # Pytorch
or
# from policy_value_net_tensorflow import PolicyValueNet # Tensorflow

然后执行： python train.py （要在pytorch中使用gpu，set use_gpu=True ，然后使用return loss.item(), entropy.item() ，如果您的pytorch版本大于0.5）

每个更新都将保存模型（best_policy.model和current_policy.model）（默认50）。

注意：使用Theano/Lasagne培训了4种型号，将其与Pytorch一起使用，请参阅第5期。

培训技巧：

1. 从6 * 6板开始，连续4个开始是一件好事。在这种情况下，我们可能会在大约2小时内获得500〜1000场自我玩游戏的合理模型。
2. 对于8 * 8板和5个板的情况，可能需要2000〜3000个自我游戏才能获得良好的型号，并且在一台PC上可能需要2天。

进一步阅读

我的文章描述了有关中文实施的一些详细信息：https：//zhuanlan.zhihu.com/p/32089487