文件名称：AlphaZero_Gomoku_MPI：带有Gomoku的AlphaGo零算法的异步并行方法
文件大小：28.7MB
文件格式：ZIP
更新时间：2024-02-19 17:56:51
algorithm tensorflow parallel deep-reinforcement-learning mcts
AlphaZero-Gomoku-MPI 更新中 2019.03.05-上传15x15电路板 请自己下载并尝试。 如果您对AlphaZero和MCTS有任何疑问或想法，请随时发给我，也许我们可以做一些改进。 总览 此回购基于 ，由衷的感谢。 我做这些事情： 像AlphaGo Zero的方法一样，并行实现异步自学训练管道 对抗时写一个根并行MCTS（使用合奏方式投票） 使用ResNet结构来训练模型，并设置转移学习API以根据小板的模型来训练较大的板模型（例如，为了节省时间的预训练方法） 强度 当前型号位于11x11板上，测试时可播放400次 玩，无论黑与白，总是可以赢 使用进行一些粗略测试可排名 当我玩白棋时，我无法赢得AI。 当我玩黑色游戏时，大部分时间都会输掉领带/输 参考文献 博客 安装依赖 Python3（我自己的3.6.8） tensorflow> = 1.8.0（我自己的1.12.0） tensorlayer> = 1.8.5（我自己的1.10.1） mpi4py（并行训练）（我自己的2.0.0） pygame（GUI）（我自己的1.9.6） 如何安装 t
【文件预览】：
AlphaZero_Gomoku_MPI-master
----train_mpi.py(23KB)
----game_board.py(15KB)
----train.py(12KB)
----mcts_pure.py(10KB)
----model_15_15_5()
--------checkpoint(91B)
--------readme.md(172B)
--------best_policy.model.index(19KB)
--------best_policy.model.data-00000-of-00001(19.07MB)
----model_11_11_5()
--------checkpoint(91B)
--------best_policy.model.index(29KB)
--------best_policy.model.data-00000-of-00001(29.04MB)
----GUI_v1_4.py(14KB)
----policy_value_net_tensorlayer.py(15KB)
----human_play.py(3KB)
----demo()
--------network.jpg(12KB)
--------demo.gif(478KB)
--------slides()
--------algorithm.png(60KB)
----README.md(8KB)
----mcts_alphaZero.py(12KB)
----human_play_MPI.py(10KB)