现在的模型似乎没法在 15*15 上的棋盘上训练出一个好的 AI

[selfboot]

看作者说考虑计算量问题，所以没在 15*15 的棋盘上训练。
但是现在算力不是问题，我用个人笔记本 M1 的 mac 训练，基本两天就能训练完。

但是棋盘大小改成 15*15，训练出来的 AI 不会堵棋，水平太差了。

尝试调了些参数，还是不行

[joezou]

我试了下，也不行，不知道如何调整算法和参数。

[YorickFin]

一样

[initial-h]

试试这个 https://github.com/initial-h/AlphaZero_Gomoku_MPI

[Karesis]

我试了一下，也不行。作者代码是纯卷积的视觉思路，可能表现力会差，得上lstm或注意力

[initial-h]

还是得接着训才行，只是这个路子走通了。cnn没问题的，AlphaGo都可以。

[Karesis]

我尝试了一种新的方法，贼简单，效果不错，还在整理代码，预计下周发出来，甚至不用mcts，一个list就搞定了。我这周要补考，下周抓紧发✧٩(ˊωˋ*)و✧

[selfboot]

我尝试了一种新的方法，贼简单，效果不错，还在整理代码，预计下周发出来，甚至不用mcts，一个list就搞定了。我这周要补考，下周抓紧发✧٩(ˊωˋ*)و✧

等大佬效果

[Karesis]

完啦，根本简单不了 qAq
看我最近的一些研究，Self那个项目
感觉一丢掉mcts就完蛋

[Karesis]

https://github.com/Karesis/Self.git

[Karesis]

我尝试用一个基于搜索的ai生成数据，然后我写了一个神经网络来做学习。这个效果还不错，可以看https://github.com/Karesis/GmetaMini2
还没有readme，晚一点我给一个。有时间我准备把里面的一些方法来替换这个作者项目里的神经网络

[Karesis]

有一种方法，就是限制棋子只能在同色棋子周围落子。直接mask也行，比较好的办法是让输出以棋子为中心，输出多个（比如黑棋的话就得以黑棋为中心的5×5区域，以白棋为中心的5×5区域，然后再把它们累加起来，归一化，得到value和policy。也就是输出是总棋子×5×5的tensor）这样棋子就更加会进攻或防守。觉得效果不好可以再缩减，比如把5×5变成3×3。

[joezou]

有一种方法，就是限制棋子只能在同色棋子周围落子。直接mask也行，比较好的办法是让输出以棋子为中心，输出多个（比如黑棋的话就得以黑棋为中心的5×5区域，以白棋为中心的5×5区域，然后再把它们累加起来，归一化，得到value和policy。也就是输出是总棋子×5×5的tensor）这样棋子就更加会进攻或防守。觉得效果不好可以再缩减，比如把5×5变成3×3。

请问下，具体是以哪个棋子呢？比如现在白棋下了一步，紧接着应该黑棋下，那么黑棋子的落子是围绕上一步白棋的落子，还是上上一步黑棋的落子呢？在我看来围绕白棋就是寻找防守，围绕黑棋就是寻求进攻？

[joezou]

试试这个 https://github.com/initial-h/AlphaZero_Gomoku_MPI

大佬，请教下，整个训练的过程中，loss和entropy变化会怎么样，比如loss会持续降低吗？如果loss不持续降低，是不是也并不是意味着棋力不再增强？那我们观察棋力是否增强，有什么好的方法呢？和历史上最好的模型去对弈？

[initial-h]

试试这个 https://github.com/initial-h/AlphaZero_Gomoku_MPI

大佬，请教下，整个训练的过程中，loss和entropy变化会怎么样，比如loss会持续降低吗？如果loss不持续降低，是不是也并不是意味着棋力不再增强？那我们观察棋力是否增强，有什么好的方法呢？和历史上最好的模型去对弈？

不会一直降低的，因为数据一直在变化。只要维持在一个低的水平波动就是正常的。可以搞几个固定的模型对打画个曲线出来。

[Karesis]

有一种方法，就是限制棋子只能在同色棋子周围落子。直接mask也行，比较好的办法是让输出以棋子为中心，输出多个（比如黑棋的话就得以黑棋为中心的5×5区域，以白棋为中心的5×5区域，然后再把它们累加起来，归一化，得到value和policy。也就是输出是总棋子×5×5的tensor）这样棋子就更加会进攻或防守。觉得效果不好可以再缩减，比如把5×5变成3×3。

请问下，具体是以哪个棋子呢？比如现在白棋下了一步，紧接着应该黑棋下，那么黑棋子的落子是围绕上一步白棋的落子，还是上上一步黑棋的落子呢？在我看来围绕白棋就是寻找防守，围绕黑棋就是寻求进攻？

就是以所有棋子，但是区分轨道。我的想法是假设现在黑棋要下，人为的把所有黑子和他附近的3×3或5×5取出来，送入一个神经网络，得到黑子数量乘以3×3的方阵（以3×3为例），mask，然后再把他们加起来，看做进攻policy。同样的把所有白子附近的3×3取出来，送入一个神经网络，得到白子数量乘以3×3的方阵，mask，加起来（这里可以归一化一下），看做防守policy。最后就看哪个大嘛，或者你可以所有统一归一化一下，把白的乘以一个负数，加一起看哪里大，就下哪里。