本文介绍如何使用Python和TensorFlow搭建简易版AlphaGo，基于MuGo开源项目。首先，确保安装TensorFlow，然后下载并预处理SGF围棋文件。预处理过程中可能需要安装额外的库。接着，利用策略网络进行监督学习，可以选择原始策略网络或蒙特卡洛搜索树策略。详细步骤和参考资料提供给读者进一步探索。
本博文使用的是GitHub上的MuGo开源程序，使用的是纯Python语言，主要是AlphaGo的一个复制的版本。项目的地址请看后面的参考文献部分。
AlphaGo主要使用了三个神经网络，即第一个速度缓慢但是准确的蒙特卡洛搜索树，主要用来预测人来的棋子的移动。第二个主要是小的一个策略网络但是速度很快。第三个是一个价值网络，只是用来计算胜率的不能用来预测棋子的移动。具体的看下面参考文献列出来的Google的paper。
废话了这么多，下面我们就开始操作纯Python版的简易AlphoGo吧。
1. 首先是安装好TensorFlow，安装教程这里就不多说了，具体的看这个链接：https://www.tensorflow.org/get_started/os_setup
2. 下载SGF文件并且预处理，可以在这个网址上面下载最近15年的围棋文件：https://u-go.net/gamerecords/
3. 预处理SGF文件，在与处理的时候可能会提示缺少例如sgf 包，gtp包之类的，用pip对应的安装上去就可以了。
python main.py preprocess ~/kgs-19-2016-12-new/
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
