在好例子网,分享、交流、成长!
您当前所在位置:首页Others 开发实例一般编程问题 → AlphaZero算法在五子棋中的实现

AlphaZero算法在五子棋中的实现

一般编程问题

下载此实例
  • 开发语言:Others
  • 实例大小:1.64M
  • 下载次数:1
  • 浏览次数:42
  • 发布时间:2024-05-30
  • 实例类别:一般编程问题
  • 发 布 人:chenxiaolan
  • 文件格式:.zip
  • 所需积分:2
 相关标签:

实例介绍

【实例简介】

AlphaZero-Gomoku 是使用AlphaZero算法来玩简单棋盘游戏五子棋(也称为连珠或五子棋)的实现,通过纯自我对弈训练。五子棋比围棋或国际象棋简单得多,因此我们可以专注于AlphaZero的训练方案,并在几个小时内在单台PC上获得相当不错的AI模型。

要玩已训练好的AI模型,只需:

  • Python >= 2.7
  • Numpy >= 1.11

要从头开始训练AI模型,还需要以下之一:

  • Theano >= 0.7 和 Lasagne >= 0.1
  • PyTorch >= 0.2.0
  • TensorFlow

注:如果你的Theano版本 > 0.7,请遵循这个问题来安装Lasagne,否则,强制pip将Theano降级到0.7版本 pip install --upgrade theano==0.7.0


【实例截图】
【核心代码】
文件清单
└── AlphaZero_Gomoku-0b4917ccd84ea2771706701015eb26182c1159f4
    ├── best_policy_6_6_4.model
    ├── best_policy_6_6_4.model2
    ├── best_policy_8_8_5.model
    ├── best_policy_8_8_5.model2
    ├── game.py
    ├── human_play.py
    ├── LICENSE
    ├── mcts_alphaZero.py
    ├── mcts_pure.py
    ├── playout400.gif
    ├── policy_value_net_keras.py
    ├── policy_value_net_numpy.py
    ├── policy_value_net.py
    ├── policy_value_net_pytorch.py
    ├── policy_value_net_tensorflow.py
    ├── README.md
    └── train.py

1 directory, 17 files

标签:

实例下载地址

AlphaZero算法在五子棋中的实现

不能下载?内容有错? 点击这里报错 + 投诉 + 提问

好例子网口号:伸出你的我的手 — 分享

网友评论

发表评论

(您的评论需要经过审核才能显示)

查看所有0条评论>>

小贴士

感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。

  • 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
  • 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
  • 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
  • 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。

关于好例子网

本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明

;
报警