國際象棋版AlphaZero出來了誒，還開源了Keras實現ヽ( `0′)ノ
只用了不到4小時。
AlphaZero在去年底通過自我對弈，就完爆上一代圍棋冠軍程序AlphaGo，且沒有采用任何的人類經驗作訓練數據（至少DeepMind堅持這么認為，嗯）。
昨天，GitHub有位大神@Zeta36用Keras造出來了國際象棋版本的AlphaZero，具體操作指南如下。
項目介紹
該項目用到的資源主要有：
去年10月19號DeepMind發表的論文《不靠人類經驗知識，也能學會圍棋游戲》 基于DeepMind的想法，GitHub用戶@mokemokechicken所做的Reversi開發，具體前往https：//github.com/mokemokechicken/reversi-alpha-zero DeepMind剛發布的AlphaZero，從零開始掌握國際象棋：https：//arxiv.org/pdf/1712.01815.pdf。 之前量子位也報道過，AlphaZero僅用了4小時（30萬步）就擊敗了國際象棋冠軍程序Stockfish。是不是賽雷(′?Д?)」
更多細節去wiki看唄。
筆記
我是這個信息庫(repositories，也簡稱repo)的創造者。
這個repo，由我和其他幾個小伙伴一起維護，并會盡我們所能做到最好。
repo地址：https：//github.com/Zeta36/chess-alpha-zero/graphs/contributors
不過，我們發現讓機器自己對弈，要燒很多錢。盡管監督學習的效果很好，但我們從來沒有嘗試過自我對弈。
在這里呢，我還是想提下，我們已經轉移到一個新的repo，采用大多數人更習慣的AZ分布式版本的國際象棋（MCTS in C ++）：https：//github.com/glinscott/leela-chess
現在，項目差不多就要完成啦。
每個人都可以通過執行預編譯的Windows（或Linux）應用程序來參與。這個項目呢，我們趕腳自己做得還是不錯的。另外，我也很確定，在短時的分布式合作時間內，我們可以模擬出DeepMind結果。
所以呢，如果你希望能看到跑著神經網絡的UCI引擎打敗國際象棋冠軍程序Stockfish，那我建議你去看看介個repo，然后肯定能增強你家電腦的能力。
使用環境
Python 3.6.3
tensorflow-gpu: 1.3.0
Keras: 2.0.8
最新結果 (在@Akababa用戶的大量修改貢獻后獲得的)
在約10萬次比賽中使用監督式學習，我訓練了一個模型（7個剩余的256個濾波器塊），以1200個模擬/移動來估算1200 elo。 MCTS有個優點，它計算能力非常好。
下面動圖泥萌可以看到，我（黑色）在repo（白色）模型中對陣模型：
下面的圖，你可以看到其中一次對戰，我（白色，?2000 elo）在這個回購（黑色）中與模型對戰：
首個好成績
在用了我創建的新的監督式學習步驟之后，我已經能夠訓練出一個看著像是國際象棋開局的學習模型了。
下圖，大家可以看到這個模型的對戰（AI是黑色）：
下面，是一場由@ bame55訓練的對戰（AI玩白色）：
5次迭代后，這個模型就能玩成這樣了。這5次里，’eval’改變了4次最佳模型。而“opt”的損失是5.1（但結果已經相當好了）。
Modules
監督學習
我已經搞出來了一個監督學習新的流程。
從互聯網上找到的那些人類游戲文件“PGN”，我們可以把它們當成游戲數據的生成器。
這個監督學習流程也被用于AlphaGo的第一個和最初版本。
考慮到國際象棋算是比較復雜的游戲，我們必須在開始自我對弈之前，先提前訓練好策略模型。也就是說，自我對弈對于象棋來說還是比較難。
使用新的監督學習流程，一開始運行挺簡單的。
而且，一旦模型與監督學習游戲數據足夠融合，我們只需“監督學習”并啟動“自我”，模型將會開始邊自我對弈邊改進。
python src/chess_zero/run.py sl
如果你想使用這個新的監督學習流程，你得下載一個很大的PGN文件（國際象棋文件）。
并將它們粘貼到data / play_data文件夾中。BTW，FICS是一個很好的數據源。
您也可以使用SCID程序按照玩家ELO，把對弈的結果過濾。
為了避免過度擬合，我建議使用至少3000場對戰的數據集，不過不要超過3-4個運行周期。
強化學習
AlphaGo Zero實際上有三個workers：self，opt和eval。
self，自我模型，是通過使用BestModel的自我生成訓練數據。
opt，訓練模型，是用來訓練及生成下一代模型。
eval是評測模型，用于評估下一代模型是否優于BestModel。如果更好，就替換BestModel。
分布式訓練
現在可以通過分布式方式來訓練模型。唯一需要的是使用新參數：
輸入分布式：使用mini config進行測試，（參見src / chess_zero / configs / distributed.py）
分布式訓練時，您需要像下面這樣在本地運行三方玩家：
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
圖形用戶界面(GUI)
uci啟動通用象棋界面，用于GUI。 為ChessZero設置一個GUI，將其指向C0uci.bat（或重命名為.sh）。例如，這是用Arena的自我對弈功能的隨機模型的屏幕截圖：
數據
data/model/modelbest: BestModel. data/model/next_generation/: next-generation models. data/playdata/play*.json: generated training data. logs/main.log: log file. 如果您想從頭開始訓練模型，請刪除上述目錄。
使用說明
安裝
安裝庫
pip install -r requirements.txt
如果您想使用GPU，請按照以下說明使用pip3進行安裝。
確保Keras正在使用Tensorflow，并且你有Python 3.6.3+。根據您的環境，您可能需要運行python3 / pip3而不是python / pip。
基本使用
對于訓練模型，執行自我對弈模型，訓練模型和評估模型。
注意：請確保您正在從此repo的頂級目錄運行腳本，即python src / chess_zero / run.py opt，而不是python run.py opt。
自我對弈
python src/chess_zero/run.py self
執行時，自我對弈會開始用BestModel。如果不存在BestModel，就把創建的新的隨機模型搞成BestModel。
你可以這么做
創建新的BestModel；
使用mini config進行測試，（參見src / chess_zero / configs / mini.py）。
訓練模型
python src/chess_zero/run.py opt
執行時，開始訓練。基礎模型會從最新保存的下一代模型中加載。如果不存在，就用BestModel。訓練好的模型每次也會自動保存。
你可以這么做
輸入mini：使用mini config進行測試，（參見src / chess_zero / configs / mini.py）
用全套流程：指定整套流程的（小批量）編號，不過跑完全程會影響訓練的學習率。
評價模型
python src/chess_zero/run.py eval
執行后，開始評估。它通過玩大約200場對戰來評估BestModel和最新的下一代模型。如果下一代模型獲勝，它將成為BestModel。
你可以這么做
輸入mini: 使用mini config進行測試，（請參閱src / chess_zero / configs / mini.py）
幾點小提示和內存相關知識點
GPU內存
通常來講，缺少內存會觸發警告，而不是錯誤。
如果發生錯誤，請嘗試更改src / configs / mini.py中的vram_frac，
self.vram_frac = 1.0
較小的batch_size能夠減少opt的內存使用量。可以嘗試在MiniConfig中更改TrainerConfig＃batch_size。
最后，附原文鏈接，
https://github.com/Zeta36/chess-alpha-zero/blob/master/readme.md
來自：https://baijia.baidu.com/s?id=1593981712049561306&wfr=pc&fr=ch_lst