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

   <p>只用了不到4小时。</p>    <p>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）。</p>    <p>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。</p>    <h2>项目介绍</h2>    <p>该项目用到的资源主要有：</p>    <p>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･)」</p>    <p>更多细节去wiki看呗。</p>    <h3>笔记</h3>    <p>我是这个信息库(repositories，也简称repo)的创造者。</p>    <p>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。</p>    <p>repo地址：https：//github.com/Zeta36/chess-alpha-zero/graphs/contributors</p>    <p>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。</p>    <p>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</p>    <p>现在，项目差不多就要完成啦。</p>    <p>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。</p>    <p>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。</p>    <p>使用环境</p>    <p>Python 3.6.3</p>    <p>tensorflow-gpu: 1.3.0</p>    <p>Keras: 2.0.8</p>    <p>最新结果 (在@Akababa用户的大量修改贡献后获得的)</p>    <p>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。</p>    <p>下面动图泥萌可以看到，我（黑色）在repo（白色）模型中对阵模型：</p>    <p><img src="https://simg.open-open.com/show/c8b7db32a058d6884a175eaca0cb2e7b.gif"></p>    <p>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：</p>    <p><img src="https://simg.open-open.com/show/5f367fee3a5e931b46b50e797bd78680.gif"></p>    <p>首个好成绩</p>    <p>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。</p>    <p>下图，大家可以看到这个模型的对战（AI是黑色）：</p>    <p><img src="https://simg.open-open.com/show/7cf1a90493fb7690c35485da10c0abdf.gif"></p>    <p>下面，是一场由@ bame55训练的对战（AI玩白色）：</p>    <p><img src="https://simg.open-open.com/show/434b389e1cc31687acee3f5cb906e44e.gif"></p>    <p>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）。</p>    <h2>Modules</h2>    <h3>监督学习</h3>    <p>我已经搞出来了一个监督学习新的流程。</p>    <p>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。</p>    <p>这个监督学习流程也被用于AlphaGo的第一个和最初版本。</p>    <p>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。</p>    <p>使用新的监督学习流程，一开始运行挺简单的。</p>    <p>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。</p>    <p>python src/chess_zero/run.py sl</p>    <p>如果你想使用这个新的监督学习流程，你得下载一个很大的PGN文件（国际象棋文件）。</p>    <p>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。</p>    <p>您也可以使用SCID程序按照玩家ELO，把对弈的结果过滤。</p>    <p>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。</p>    <h3>强化学习</h3>    <p>AlphaGo Zero实际上有三个workers：self，opt和eval。</p>    <p>self，自我模型，是通过使用BestModel的自我生成训练数据。</p>    <p>opt，训练模型，是用来训练及生成下一代模型。</p>    <p>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。</p>    <h3>分布式训练</h3>    <p>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：</p>    <p>输入分布式：使用mini config进行测试，（参见src / chess_zero / configs / distributed.py）</p>    <p>分布式训练时，您需要像下面这样在本地运行三方玩家：</p>    <p>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</p>    <p>图形用户界面(GUI)</p>    <p>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：</p>    <p><img src="https://simg.open-open.com/show/e36199af9b4d20c48975d6faa5bedea5.jpg"></p>    <h2>数据</h2>    <p>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。</p>    <p>使用说明</p>    <p>安装</p>    <p>安装库</p>    <p>pip install -r requirements.txt</p>    <p>如果您想使用GPU，请按照以下说明使用pip3进行安装。</p>    <p>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。</p>    <p>基本使用</p>    <p>对于训练模型，执行自我对弈模型，训练模型和评估模型。</p>    <p>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。</p>    <p>自我对弈</p>    <p>python src/chess_zero/run.py self</p>    <p>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。</p>    <p>你可以这么做</p>    <p>创建新的BestModel；</p>    <p>使用mini config进行测试，（参见src / chess_zero / configs / mini.py）。</p>    <p>训练模型</p>    <p>python src/chess_zero/run.py opt</p>    <p>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。</p>    <p>你可以这么做</p>    <p>输入mini：使用mini config进行测试，（参见src / chess_zero / configs / mini.py）</p>    <p>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。</p>    <p>评价模型</p>    <p>python src/chess_zero/run.py eval</p>    <p>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。</p>    <p>你可以这么做</p>    <p>输入mini: 使用mini config进行测试，（请参阅src / chess_zero / configs / mini.py）</p>    <p>几点小提示和内存相关知识点</p>    <p>GPU内存</p>    <p>通常来讲，缺少内存会触发警告，而不是错误。</p>    <p>如果发生错误，请尝试更改src / configs / mini.py中的vram_frac，</p>    <p>self.vram_frac = 1.0</p>    <p>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。</p>    <p>最后，附原文链接，</p>    <p>https://github.com/Zeta36/chess-alpha-zero/blob/master/readme.md</p>    <p> </p>    <p>来自：https://baijia.baidu.com/s?id=1593981712049561306&wfr=pc&fr=ch_lst</p>    <p> </p>