AlphaZero_Gomoku

Alphazero-Gomoku

這是用於從純自我玩訓練中玩簡單的棋盤遊戲Gomoku（也稱為Gobang或五個）的Alphazero算法的實現。 Gooku遊戲比Go或國際象棋要簡單得多，因此我們可以專注於Alphazero的訓練方案，並在幾個小時內在單個PC上獲得相當不錯的AI模型。

參考：

1. Alphazero：通過自我遊戲掌握國際象棋和Shogi，並使用一般的強化學習算法
2. Alphago Zero：掌握無知識的GO遊戲

更新2018.2.24：支持TensorFlow培訓！

更新2018.1.17：支持Pytorch的培訓！

訓練模型之間的示例遊戲

• 每次舉動都有400個MCT競賽：
  

要求

要使用訓練有素的AI模型，只需要：

• Python> = 2.7
• numpy> = 1.11

要從從頭開始訓練AI模型，請進一步需要：

• theano> = 0.7和寬麵條> = 0.1
  或者
• pytorch> = 0.2.0
  或者
• 張量

PS ：如果您的Theano的版本> 0.7，請遵循此問題安裝Lasagne，
否則，將pip強制降級至0.7 pip install --upgrade theano==0.7.0

如果您想使用其他DL框架訓練模型，則只需重寫polition_value_net.py即可。

入門

要使用提供的模型，請從目錄中運行以下腳本：

 python human_play.py  

您可以修改human_play.py嘗試不同的模型或純MCT。

與Theano和Lasagne從頭開始訓練AI模型，直接運行：

 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

並取消排隊

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

然後執行： python train.py （要在pytorch中使用gpu，set use_gpu=True ，然後使用return loss.item(), entropy.item() ，如果您的pytorch版本大於0.5）

每個更新都將保存模型（best_policy.model和current_policy.model）（默認50）。

注意：使用Theano/Lasagne培訓了4種型號，將其與Pytorch一起使用，請參閱第5期。

培訓技巧：

1. 從6 * 6板開始，連續4個開始是一件好事。在這種情況下，我們可能會在大約2小時內獲得500〜1000場自我玩遊戲的合理模型。
2. 對於8 * 8板和5個板的情況，可能需要2000〜3000個自我遊戲才能獲得良好的型號，並且在一台PC上可能需要2天。

進一步閱讀

我的文章描述了有關中文實施的一些詳細信息：https：//zhuanlan.zhihu.com/p/32089487