Alpha Zero 趣味学习：TicTacToe

Alpha Zero 趣味学习：TicTacToe

深度学习风行天下，起始于围棋软件 AlphaGo 的成功。

从游戏软件开发中学习 deep learning，可以适当避开深度学习理论的繁难晦涩、枯燥乏味，值得一试。

AlphaGo 有着名垂青史的赫赫功绩，但也有其难免的弱点。它的学习方法属于有监督学习，需要海量标注数据，不仅使得开发成本居高，并且学习者难有充足数据可用。

AlphaGo Zero 的学习方法属于无监督学习，人们只需给出解题的基本规则，无须提供具体数据。AlphaGo Zero 是自学成材。

不过，AlphaGo Zero 的自学训练，对硬件性能要求极高，学习者若要尝试实验，需先投入大量资金购置高档计算机设备。

比较好的办法，是选用与 AlphaGo Zero 功能原理相近的软件作为替代。我推荐 Blanyal 的作品 alpha-zero。它有3个游戏，但我只会玩其中的 tictactoe，知道它的规则逻辑，所以选择它当作学习对象。

尝试训练程序，我是这样做的：

• 下载源程序
• 建立目录 tictactoe，拷入源程序包中第一级目录下的全部 8 个.py 文件，和第二级目录 tic_tac_toe

• 建立目录 tictactoe\data

• 打开 config.py，修改其中的 2 句

  • 第 1 句： model_directory = “./connect_four/models/”

  • 改为 ：model_directory = “./data/”

  • 第 2 句： game = 2

  • 改为 ：game = 0

• 打开 main.py，删除其中 2 句

  • from othello.othello_game import OthelloGame

  • from connect_four.connect_four_game import ConnectFourGame

• 命令行运行：python main.py

程序运行 9 分多钟，完成网络训练。源程序通过基本体检。
后又训练 1 次，用时约 30 分钟，对弈结果平局，训练成功。