J'ai essayé de créer Othello AI avec tensorflow sans comprendre la théorie de l'apprentissage automatique ~ Introduction ~
Table des matières de la série
- J'ai essayé de créer Othello AI avec tensorflow sans comprendre la théorie de l'apprentissage automatique-Introduction-
- J'ai essayé de créer Othello AI avec tensorflow sans comprendre la théorie de la mise en œuvre de l'apprentissage automatique-
- J'ai essayé de créer Othello AI avec tensorflow sans comprendre la théorie de l'apprentissage automatique-Iza battle-
- J'ai essayé de créer Othello AI après avoir essayé de comprendre la théorie de l'apprentissage automatique ~ Redémarrez! ~
- J'ai essayé de créer Othello AI après avoir essayé de comprendre la théorie de l'apprentissage automatique-Qu'est-ce que cette édition Alpha Zero-
- J'ai essayé de créer un réseau neutre avec Excel pour comprendre la théorie de l'apprentissage automatique ~ Édition mniste de reconnaissance d'image ~
Dans ce domaine, moi, un étranger, je n'ai pas du tout étudié «la théorie de l'apprentissage automatique». Je vais faire l'IA d'Othello. Cliquez ici pour le site référencé ・ Implémentation ultra-simple de DQN (Deep Q Network) avec TensorFlow-Introduction-
Aperçu
Si vous expliquez le concept grossièrement
Deux intelligences artificielles affrontent sérieusement Othello,
Sauvez cette dernière IA et combattez-moi (humain). Voilà pourquoi.
Condition environnementale
Mon environnement est le suivant. OS ・ Ubuntu Environnement de développement ・ Python 3.5
Je pense que ça marche dans cet environnement Création d'un environnement de développement Ubuntu python sur Google Cloud Platform
Commençons par le déplacer
Tout d'abord, téléchargez le code source.
La source est ici.
$ git clone https://github.com/sasaco/tf-dqn-reversi.git
Apprentissage
Lorsque l'environnement est prêt, accédez au répertoire du code source et appuyez sur train.py pour commencer l'apprentissage.
python
$ cd tf-dqn-reversi
$ python train.py
Si vous voyez le journal suivant, vous apprenez correctement.
python
player:1 | pos:32 | LOSS: 0.0000 | Q_MAX: 0.0041
player:2 | pos:15 | LOSS: 0.0000 | Q_MAX: 0.0009
…
layer:2 is only pos:56
player:2 | pos:56 | LOSS: 0.0000 | Q_MAX: 0.8607
EPOCH: 999/999 | WIN: player2
winner is player2
- LOSS est presque 0, mais y a-t-il un problème? [.](Http://ja.stackoverflow.com/questions/30312/tensorflow%e3%81%a7dqn-%e3%81%aa%e3%81% 9c% e3% 81% 8bq% e6% 9c% 80% e5% a4% a7% e5% 80% a4% e3% 81% 8c% e5% b0% 8f% e3% 81% 95% e3% 81% 84) Je ne comprends même pas ce qu'est la PERTE (￣ ^ ￣) Si vous connaissez cela, veuillez nous en informer m(_ _)m Pour l'implémentation, voir Implementation.
tester
Il faudra plusieurs heures pour terminer l'étude. Testons avec le modèle entraîné.
python
$ python FightWithAI.py
------------- GAME START ---------------
***tour de l'utilisateur ○***
0 1 2 3 4 5 6 7
8 9 10 11 12 13 14 15
16 17 18 19 20 21 22 23
24 25 26 ○ ● 29 30 31
32 33 34 ● ○ 37 38 39
40 41 42 43 44 45 46 47
48 49 50 51 52 53 54 55
56 57 58 59 60 61 62 63
Veuillez saisir le numéro
[43, 34, 29, 20]
>>>
Si le jeu démarre comme ci-dessus, vous réussissez. Cela a-t-il fonctionné correctement? Le résultat du match sera écrit en ~ Iza Battle Edition ~.
La prochaine fois fournira la version d'implémentation.
Recommended Posts