Alpha Zero 趣味学习：训练网络

启动 TicTacToe ，会进入网络训练或人机对弈。如果不设置启动参数 –human_play=1，便自动进入网络训练。即：

python main.py

开始训练前，要在 main.py 中做两件事情。第一，初始化游戏和网络：

if CFG.game == 0:
    game = TicTacToeGame()
net = NeuralNetworkWrapper(game)

第二，初始化训练类，开始训练：

train = Train(game, net)
train.start()

类 Train 的初始化：

def __init__(self, game, net):
    """Initializes Train with the board state and neural network."""
    self.game = game
    self.net = net
    self.eval_net = NeuralNetworkWrapper(game)

在 Train.start() 中，初始化了神经网络、估值网络和估值器：

current_mcts = MonteCarloTreeSearch(self.net)
eval_mcts = MonteCarloTreeSearch(self.eval_net)
evaluator = Evaluate(current_mcts=current_mcts, eval_mcts=eval_mcts, game=self.game)

综上所见，网络训练主要由以下模块和类协作实现：

• train.py 类 Train 负责网络训练的管理
• 目录 tic_tac_toe 中 tic_tac_toe_game.py 的类 TicTacToeGame ，实现游戏逻辑，管理棋局
• neural_net.py 类 NeuralNetworkWrapper 是 类 NeuralNetwork 的包装或接口，负责神经网络的管理
• tic_tac_toe.py 类 TicTacToeGame，是综合了棋盘表示、游戏规则、游戏逻辑等的物件
• mcts.py 类 MonteCarloTreeSearch 负责蒙特卡罗搜索树管理
• evaluate.py 类 Evaluate 是下棋策略和价值判断的估值器&#