开源
[hidecontent type="logged" desc="隐藏内容：登录后可查看"]
在大约 10k 个游戏上使用监督学习，我训练了一个模型（7 个 256 个过滤器的残差块）来估计 1200 个 elo 和 1200 个 sims/move。MCTS 的优势之一是它可以很好地扩展计算能力。
在这里你可以看到一个例子，我（黑色）与 repo 中的模型（白色）对战：
在这里你可以看到我（白色，~2000 elo）与这个 repo 中的模型（黑色）对战的游戏示例：
使用我创建的新监督学习步骤，我已经能够将模型训练到似乎正在学习国际象棋开局的程度。此外，该模型似乎开始避免丢失幼稚的部分。
在这里你可以看到我针对这个模型玩的游戏示例（AI 玩黑色）：
这里我们有一个由@bame55 训练的游戏（AI 玩白）：
该模型以这种方式运行，仅在“opt”工作人员进行 5 次迭代后，“eval”工作人员更改了最佳模型的 4 倍（5 次中的 4 次）。此时，'opt' worker 的损失为 5.1（并且似乎仍然收敛得很好）。
我已经完成了一个监督学习新管道步骤（使用我们可以在互联网上找到的那些人类游戏文件“PGN”作为游戏数据生成器）。这个 SL 步骤也用在 AlphaGo 的第一个和原始版本中，也许国际象棋是一种复杂的游戏，我们必须在开始自我对弈过程之前首先预训练策略模型（即，国际象棋可能太复杂了单独进行自我训练）。
要使用新的 SL 进程就像在开始时运行新的工人“sl”而不是工人“self”一样简单。一旦模型与 SL play-data 充分收敛，我们就停止 worker“sl”并启动 worker“self”，这样模型就会开始改进，因为 self-play 数据。
python src/chess_zero/run.py sl
如果你想使用这个新的 SL 步骤，你必须下载大的 PGN 文件（国际象棋文件）并将它们粘贴到data/play_data文件夹中（FICS是一个很好的数据源）。您还可以使用SCID 程序按玩家 ELO、游戏结果等标题进行过滤。
为了避免过拟合，我建议使用至少 3000 场比赛的数据集，最多运行 3-4 个 epoch。
这个 AlphaGo Zero 实现由三个工人组成：self,opt和eval。
self是Self-Play使用BestModel通过自我对战生成训练数据。opt是训练模型，生成下一代模型的Trainer。eval是Evaluator，用来评估下一代模型是否优于BestModel。如果更好，请更换 BestModel。现在可以以分布式方式训练模型。唯一需要做的就是使用新参数：
--type distributed：使用迷你配置进行测试，（参见src/chess_zero/configs/distributed.py）因此，为了为分布式团队做出贡献，您只需要像这样在本地运行这三个工作人员：
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
uci启动通用国际象棋界面，用于 GUI。要使用 GUI 设置 ChessZero，请将其指向C0uci.bat（或重命名为 .sh）。例如，这是使用 Arena 的自玩功能的随机模型的屏幕截图：
data/model/model_best_*: 最佳模特。data/model/next_generation/*: 下一代模型。data/play_data/play_*.json：生成的训练数据。logs/main.log: 日志文件。如果你想从头开始训练模型，删除上面的目录。
pip install -r requirements.txt
如果你想使用 GPU，请按照这些说明使用 pip3 安装。
确保 Keras 使用的是 Tensorflow，并且你有 Python 3.6.3+。根据您的环境，您可能必须运行 python3/pip3 而不是 python/pip。
对于训练模型，Self-Play执行Trainer和Evaluator。
注意：确保您正在从这个 repo 的顶级目录运行脚本，即python src/chess_zero/run.py opt，不是python run.py opt.
python src/chess_zero/run.py self
执行时，Self-Play 将开始使用 BestModel。如果 BestModel 不存在，将创建新的随机模型并成为 BestModel。
--new: 创建新的 BestModel--type mini：使用迷你配置进行测试，（参见src/chess_zero/configs/mini.py）python src/chess_zero/run.py opt
执行后，训练将开始。将从最新保存的下一代模型中加载基础模型。如果不存在，则使用 BestModel。经过训练的模型将在每个时期保存。
--type mini：使用迷你配置进行测试，（参见src/chess_zero/configs/mini.py）--total-step：指定总步数（小批量）数。总步数影响训练的学习率。python src/chess_zero/run.py eval
执行后，评估将开始。它通过玩约 200 场比赛来评估 BestModel 和最新的下一代模型。如果下一代模型获胜，它将成为 BestModel。
--type mini：使用迷你配置进行测试，（参见src/chess_zero/configs/mini.py）通常内存不足会导致警告，而不是错误。如果发生错误，请尝试更改vram_frac，src/configs/mini.py
self.vram_frac = 1.0
较小的 batch_size 会减少opt. 尝试改变TrainerConfig#batch_size。MiniConfig
[/hidecontent]
