国际象棋版AlphaZero出来了诶，还开源了Keras实现ヽ( `0´)ノ

国际象棋版AlphaZero出来了诶，还开源了Keras实现ヽ( `0´)ノ

只用了不到4小时。

AlphaZero在去年底通过自我对弈，就完爆上一代围棋冠军程序AlphaGo，且没有采用任何的人类经验作训练数据（至少DeepMind坚持这么认为，嗯）。

昨天，GitHub有位大神@Zeta36用Keras造出来了国际象棋版本的AlphaZero，具体操作指南如下。

项目介绍

该项目用到的资源主要有：

去年10月19号DeepMind发表的论文《不靠人类经验知识，也能学会围棋游戏》 基于DeepMind的想法，GitHub用户@mokemokechicken所做的Reversi开发，具体前往https：//github.com/mokemokechicken/reversi-alpha-zero DeepMind刚发布的AlphaZero，从零开始掌握国际象棋：https：//arxiv.org/pdf/1712.01815.pdf。 之前量子位也报道过，AlphaZero仅用了4小时（30万步）就击败了国际象棋冠军程序Stockfish。是不是赛雷(´･Д･)」

更多细节去wiki看呗。

笔记

我是这个信息库(repositories，也简称repo)的创造者。

这个repo，由我和其他几个小伙伴一起维护，并会尽我们所能做到最好。

repo地址：https：//github.com/Zeta36/chess-alpha-zero/graphs/contributors

不过，我们发现让机器自己对弈，要烧很多钱。尽管监督学习的效果很好，但我们从来没有尝试过自我对弈。

在这里呢，我还是想提下，我们已经转移到一个新的repo，采用大多数人更习惯的AZ分布式版本的国际象棋（MCTS in C ++）：https：//github.com/glinscott/leela-chess

现在，项目差不多就要完成啦。

每个人都可以通过执行预编译的Windows（或Linux）应用程序来参与。这个项目呢，我们赶脚自己做得还是不错的。另外，我也很确定，在短时的分布式合作时间内，我们可以模拟出DeepMind结果。

所以呢，如果你希望能看到跑着神经网络的UCI引擎打败国际象棋冠军程序Stockfish，那我建议你去看看介个repo，然后肯定能增强你家电脑的能力。

使用环境

Python 3.6.3

tensorflow-gpu: 1.3.0

Keras: 2.0.8

最新结果 (在@Akababa用户的大量修改贡献后获得的)

在约10万次比赛中使用监督式学习，我训练了一个模型（7个剩余的256个滤波器块），以1200个模拟/移动来估算1200 elo。 MCTS有个优点，它计算能力非常好。

下面动图泥萌可以看到，我（黑色）在repo（白色）模型中对阵模型：

下面的图，你可以看到其中一次对战，我（白色，〜2000 elo）在这个回购（黑色）中与模型对战：

首个好成绩

在用了我创建的新的监督式学习步骤之后，我已经能够训练出一个看着像是国际象棋开局的学习模型了。

下图，大家可以看到这个模型的对战（AI是黑色）：

下面，是一场由@ bame55训练的对战（AI玩白色）：

5次迭代后，这个模型就能玩成这样了。这5次里，’eval’改变了4次最佳模型。而“opt”的损失是5.1（但结果已经相当好了）。

Modules

监督学习

我已经搞出来了一个监督学习新的流程。

从互联网上找到的那些人类游戏文件“PGN”，我们可以把它们当成游戏数据的生成器。

这个监督学习流程也被用于AlphaGo的第一个和最初版本。

考虑到国际象棋算是比较复杂的游戏，我们必须在开始自我对弈之前，先提前训练好策略模型。也就是说，自我对弈对于象棋来说还是比较难。

使用新的监督学习流程，一开始运行挺简单的。

而且，一旦模型与监督学习游戏数据足够融合，我们只需“监督学习”并启动“自我”，模型将会开始边自我对弈边改进。

python src/chess_zero/run.py sl

如果你想使用这个新的监督学习流程，你得-一个很大的PGN文件（国际象棋文件）。

并将它们粘贴到data / play_data文件夹中。BTW，FICS是一个很好的数据源。

您也可以使用SCID程序按照玩家ELO，把对弈的结果过滤。

为了避免过度拟合，我建议使用至少3000场对战的数据集，不过不要超过3-4个运行周期。

强化学习

AlphaGo Zero实际上有三个workers：self，opt和eval。

self，自我模型，是通过使用BestModel的自我生成训练数据。

opt，训练模型，是用来训练及生成下一代模型。

eval是评测模型，用于评估下一代模型是否优于BestModel。如果更好，就替换BestModel。

分布式训练

现在可以通过分布式方式来训练模型。唯一需要的是使用新参数：

输入分布式：使用mini config进行测试，（参见src / chess_zero / configs / distributed.py）

分布式训练时，您需要像下面这样在本地运行三方玩家：

python src/chess_zero/run.py self —type distributed (or python src/chess_zero/run.py sl —type distributed) python src/chess_zero/run.py opt —type distributed python src/chess_zero/run.py eval —type distributed

图形用户界面(GUI)

uci启动通用象棋界面，用于GUI。 为ChessZero设置一个GUI，将其指向C0uci.bat（或重命名为.sh）。例如，这是用Arena的自我对弈功能的随机模型的屏幕截图：

数据

data/model/modelbest: BestModel. data/model/next_generation/: next-generation models. data/playdata/play*.json: generated training data. logs/main.log: log file. 如果您想从头开始训练模型，请删除上述目录。

使用说明

安装

安装库

pip install -r requirements.txt

如果您想使用GPU，请按照以下说明使用pip3进行安装。

确保Keras正在使用Tensorflow，并且你有Python 3.6.3+。根据您的环境，您可能需要运行python3 / pip3而不是python / pip。

基本使用

对于训练模型，执行自我对弈模型，训练模型和评估模型。

注意：请确保您正在从此repo的顶级目录运行脚本，即python src / chess_zero / run.py opt，而不是python run.py opt。

自我对弈

python src/chess_zero/run.py self

执行时，自我对弈会开始用BestModel。如果不存在BestModel，就把创建的新的随机模型搞成BestModel。

你可以这么做

创建新的BestModel；

使用mini config进行测试，（参见src / chess_zero / configs / mini.py）。

训练模型

python src/chess_zero/run.py opt

执行时，开始训练。基础模型会从最新保存的下一代模型中加载。如果不存在，就用BestModel。训练好的模型每次也会自动保存。

你可以这么做

输入mini：使用mini config进行测试，（参见src / chess_zero / configs / mini.py）

用全套流程：指定整套流程的（小批量）编号，不过跑完全程会影响训练的学习率。

评价模型

python src/chess_zero/run.py eval

执行后，开始评估。它通过玩大约200场对战来评估BestModel和最新的下一代模型。如果下一代模型获胜，它将成为BestModel。

你可以这么做

输入mini: 使用mini config进行测试，（请参阅src / chess_zero / configs / mini.py）

几点小提示和内存相关知识点

GPU内存

通常来讲，缺少内存会触发警告，而不是错误。

如果发生错误，请尝试更改src / configs / mini.py中的vram_frac，

self.vram_frac = 1.0

较小的batch_size能够减少opt的内存使用量。可以尝试在MiniConfig中更改TrainerConfig＃batch_size。

最后，附原文链接，

https://github.com/Zeta36/chess-alpha-zero/blob/master/readme.md

来自：https://baijia.baidu.com/s?id=1593981712049561306&wfr=pc&fr=ch_lst

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。