yhyu13/AlphaGOZero-python-tensorflow
Congratulation to DeepMind! This is a reengineering implementation (on behalf of many other git repo in /support/) of DeepMind's Oct19th publication: [Mastering the Game of Go without Human Knowledge]. The supervised learning approach is more practical for individuals. (This repository has single purpose of education only)
解决的问题
本项目提供了 DeepMind 的《无须人类知识掌握围棋》论文中描述的 AlphaGo Zero 架构的 Python 和 TensorFlow 实现。该实现使 AI 代理能够在无需人类知识或数据的情况下学习并下围棋。
工作原理
系统实现了 DeepMind 论文中描述的架构，支持监督训练、用于强化学习的自我对弈流水线，以及分布式学习，以提升代理的性能。
适用人群
对强化学习和 AlphaGo Zero 架构感兴趣的开发者和研究人员，希望实验训练自己的围棋 AI。
主要亮点
- 自我对弈流水线：实现了代理从自身对局中学习的核心机制。
- GTP 支持：包含围棋文本协议（GTP），可将代理用作 Sabaki 等围棋软件的引擎。
- 分布式学习：支持在多个资源上进行训练，以加速学习过程。
- 监督训练：提供使用现有对局数据集进行初始训练的能力。
相关
- Dispatch
- 项目
- 项目
- Dispatch
- 项目