文件名称：立体四子棋的深度学习算法实践2
文件大小：1.95MB
文件格式：ZIP
更新时间：2022-03-06 02:26:24
立体四子棋 深度学习 强化学习 alphazero 蒙特卡洛树
参考资料，https://zhuanlan.zhihu.com/p/32089487，本实现参考借鉴了该资源，本实现的立体四子棋为落子有限制版的立体四子棋(qubic),必须先下下层的棋子，上层的相关棋子才能继续落子，经过3500次的训练，ai水平基本可以了，模型为best_policy.model，python human_play.py即可对战。训练使用python train.py. python版本2
【文件预览】：
AlphaZero_Qubic-master1
----.gitignore(19B)
----mcts_alphaZero.py(8KB)
----mcts_pure.py(7KB)
----best_policy.model(931KB)
----LICENSE(1KB)
----game.pyc(11KB)
----policy_value_net_numpy.py(4KB)
----policy_value_net.py(5KB)
----policy_value_net_keras.py(5KB)
----policy_value_net_pytorch.py(6KB)
----playout400.gif(21KB)
----current_policy.model(931KB)
----README.md(3KB)
----mcts_pure.pyc(9KB)
----policy_value_net_tensorflow.py(7KB)
----policy_value_net.pyc(5KB)
----policy_value_net_numpy.pyc(5KB)
----mcts_alphaZero.pyc(9KB)
----human_play.py(3KB)
----game.py(12KB)
----train.py(9KB)