教機器學習的內容
布局模型庫。由高手布局棋譜中的高頻率走步構成。
建立棋局狀態搜尋樹。
儘量減少備選的下一步棋。
估算每步棋的價值。
衡量機械人的棋力
傳統的日本級段制。
與機械人或者人模擬賽測定。
包括以下內容：
建立目錄 dlgo，其下建 3 個檔案：
檔案__init__.py內容為空。
在模組 gotype.py 中定義棋手和棋盤點位：
import enum
class
player
(enum.enum)
: black =
1 white =2
@property
defother
(self)
:return player.black if self == player.white else player.white
from collections import namedtuple
class
point
(namedtuple(
'point'
,'row col'))
:def
neighbors
(self)
:return
[ point(self.row -
1, self.col)
, point(self.row +
1, self.col)
, point(self.row, self.col -1)
, point(self.row, self.col +1)
,]
player = player.black
print
(player.value)
print
(player.other.value)
point的用法
p = point(row=
3,col=3)
print
(p.neighbors(
))
[point(row=2, col=3),
point(row=4, col=3),
point(row=3, col=2),
point(row=3, col=4)]
在模組 goboard_slow.py 中定義落子、放棄一手和認輸：
import copy
from gotypes import player
class
move()
:def
__init__
(self, point=
none
, is_pass=
false
, is_resign=
false):
assert
(point is
notnone
)^ is_pass ^ is_resign
self.point = point
self.is_play =
(self.point is
notnone
) self.is_pass = is_pass
self.is_resign = is_resign
@classmethod
defplay
(cls, point)
:return move(point=point)
@classmethod
defpass_turn
(cls)
:return move(is_pass=
true
) @classmethod
defresign
(cls)
:return move(is_resign=
true
)
move.play(point(3,
3))move = move.play(point(3,
3))print
(move.is_play)
print
(move.point.row)
move = move.resign(
)print
(move.is_resign)
true
3true
用 assert 測試 move 是否合法
下例，落子與pass同時發生，將引發報錯：
move = move(point(2,
2),is_pass=
true
,is_resign=
false
)
class
gostring()
:def
__init__
(self, color, stones, liberties)
: self.color = color
self.stones =
set(stones)
self.liberties =
set(liberties)
defremove_liberty
(self, point)
: self.liberties.remove(point)
defadd_liberty
(self, point)
: self.liberties.add(point)
defmerged_with
(self, go_string)
:assert go_string.color == self.color
combined_stones = self.stones | go_string.stones
return gostring(self.color,combined_stones,
(self.liberties | go_string.liberties)
- ombined_stones)
@property
defnum_liberties
(self)
:return
len(self.liberties)
def__eq__
(self, other)
:return
isinstance
(other, gostring)
and \
self.color == other.color and \
self.stones == other.stones and \
self.liberties == other.liberties
gostring 的用法
a = gostring(player.black,
[point(3,
3),point(3,
4),point(3,
5)],
[3,2
,2])
b = gostring(player.black,
[point(3,
3),point(3,
4),point(3,
5)],
[3,2
,2])
print
(a==b)
a = gostring(player.black,
[point(3,
3),point(3,
4),point(3,
5)],
[3,2
,2])
b = gostring(player.black,
[point(13,
3),point(13,
4),point(13,
5)],
[3,2
,2])
print
(a==b)
true
false
深度學習與圍棋遊戲 筆記 1
最近,搞到一本書 deep learning and the game of go 歐美書商好像有種習慣，科技方面尤其程式設計相關的電子書，銷售一段時間後會公開放到網上，供人免費下載。這本書就來源於此。估計，有社會資本支援書商的善舉。希望國內資本雄厚的企業，向西方學習，鼓勵支援國內書商也這樣做。第1...
深度學習筆記（2）
2 分詞 對每個句子進行分詞，也就是將乙個句子劃分成若干個詞 token 轉換為乙個詞的序列。3 建立字典 將每個詞對映到乙個唯一的索引 index 為了方便模型處理，我們需要將字串轉換為數字。因此我們需要先構建乙個字典 vocabulary 將每個詞對映到乙個唯一的索引編號。4 將詞轉為索引 使用...
學習 《神經網路與深度學習》 筆記2
2019年5月23日 晚上十點 s型神經元 現在我們試圖對於感知器網路中的權重和偏置進行乙個微小的改動，試圖只是引起輸出乙個微小的變化。例如對於手寫體輸出的識別，其中網路錯誤的將一幅 9 的影象識別成 8 的影象，我們嘗試著通過對於權重和偏置微小的調整矯正這個錯誤。但是當我們這個網路是感知器網路的時...