使用 TensorFlow/Pytorch/Theano 实现 AlphaZero 算法，通过自我对弈从零训练五子棋 AI。实现简单、清晰，适合学习、了解 AlphaGo Zero 背后的关键思想和技术细节

项目分析

仓库名称：AlphaZero_Gomoku

标星(star)：1690 （网红级项目，高手作品，star可以走一波）

标星趋势

关注(watch)：97

拷贝(fork)：575

贡献人数：8

仓库大小：6 MB

最后更新：

代码提交周期分布：

综合推荐指数： 2星半

开发语言

主要语言：Python

语言分布：Python:100.00%

项目概述

入门

要使用提供的模型，请从目录运行以下脚本：

python human_play.py 

您可以修改human_play.py以尝试不同的提供模型或纯MCTS。

要从头开始训练AI模型，使用Theano和Lasagne，直接运行：

python train.py

使用PyTorch或TensorFlow，首先修改文件train.py，即注释该行

from policy_value_net import PolicyValueNet # Theano and Lasagne

并取消注释该行

# 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，如果你的pytorch版本大于0.5，请在policy_value_net_pytorch.py​​中的函数train_step中设置use_gpu=True和使用return loss.item(), entropy.item()）

模型（best_policy.model和current_policy.model）将在每次更新时保存（默认为50）。

项目地址

https://github.com/junxiaosong/AlphaZero_Gomoku

程序员新视界：分享有趣、有料的流行程序员话题，每天进步一点点。