文件名称：Zerofish:国际象棋的AlphaZero算法的实现
文件大小：21KB
文件格式：ZIP
更新时间：2024-06-13 02:59:05
machine-learning chess-engine chess reinforcement-learning tensorflow
零鱼 国际象棋的AlphaZero算法的实现 目前正在建设中。 目前使用的模式与论文中使用的模式完全不同！ 该模型的布局与论文中的布局完全不同。 价值和策略输出头中的参数数量大大减少。 完全不同的动作空间。 不处理促销不足。 动作空间是绝对的，相对于纸张中使用的相对于运动件动作的空间而言是相对的。 不同文件的简要指南 adapter.py-在python-chess包和numpy之间起作用。 旨在处理国际象棋和国际象棋之间的所有流量。移至我们的神经网络数据和标签。 config.py-处理所有默认值和参数解析器。 game_state.py-充当国际象棋/适配器的抽象层，以提供仅处理动作索引的游戏状态。 input_fn.py-处理张量流的不同类型的输入格式（占位符，tfrecords数据集）。 mcts.py-处理MCTS算法。 model_fn.py-包含我们的推理/评估/
【文件预览】：
Zerofish-master
----pgns()
--------.gitignore(6B)
----output_fn.py(2KB)
----util.py(2KB)
----pgn_to_records.py(3KB)
----train.py(1KB)
----config.py(3KB)
----mcts.py(8KB)
----model_fn.py(7KB)
----game_state.py(2KB)
----model.py(5KB)
----requirements.txt(528B)
----LICENSE(1KB)
----continuous_play_cpu.sh(79B)
----README.md(2KB)
----adapter.py(4KB)
----visualize_filters.py(3KB)
----data()
--------.gitignore(18B)
----self_play.py(5KB)
----.gitignore(1KB)
----input_fn.py(3KB)