LetGo

快速开始

运行环境：pytorch、numpy、sgf、matplotlib、pillow、flask

运行 CNN + 决策树版本

python play.py

运行 CNN 版本(目前效果更佳)

python play_old.py

运行自我对弈

python selfplay.py

训练

1. 到LetGoAI.py文件中更改需要用于训练的PolicyModel，目前默认是PolicyModel_pro（较复杂的网络）
2. 调整输出模型的文件名MODEL_NAME = "PolicyModel2"，使用python train.py进行训练

模型

# 策略模型
class PolicyModel(nn.Module):
    '''
    19x19 棋盘矩阵 --> 卷积层 x 3  -->  全连接层 x 1 --> 19x19 概率矩阵 (log_softmax)
    '''
    def __init__(self, width=19) -> None:
        super().__init__()
        self.board_width = width
        self.conv1 = nn.Conv2d(2, 40, kernel_size=3, padding=1)
        self.conv2 = nn.Conv2d(40, 64, kernel_size=3, padding=1)
        self.conv3 = nn.Conv2d(64, 128, kernel_size=3, padding=1)
        self.conv4 = nn.Conv2d(128, 4, kernel_size=1)
        self.policy_fc1 = nn.Linear(4*width*width, width*width)

    def forward(self, state_input):
        x = F.relu(self.conv1(state_input))
        x = F.relu(self.conv2(x))
        x = F.relu(self.conv3(x))
        x = F.relu(self.conv4(x))
        x = x.view(-1, 4*self.board_width*self.board_width)
        x = self.policy_fc1(x)
        x = F.log_softmax(x)
        return x