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/
这里的 ~/kgs-19-2016-12-new/ 的意思是我上面下载下来的SGF文件,用unzip解压之后的文件夹为 kgs-19-2016