五子棋AI项目

这个项目是一个使用PyTorch实现的五子棋AI，其中Player1是主要训练目标，而Player2作为陪练模型帮助Player1提升。项目利用深度学习技术，通过神经网络模型来模拟玩家下棋的策略。

特点

• 使用PyTorch实现神经网络模型
• 训练及推理验证均支持使用GPU加速
• Player1与Player2交替对战，Player1作为主要训练目标
• 模型权重可以在训练期间会定期保存
• 使用Adam优化器进行模型参数优化，交叉熵损失函数用于评估预测动作的准确性
• 支持任意尺寸的棋盘

依赖

确保你已经安装了以下依赖：

• Python 3.x
• PyTorch
• NumPy

使用方法

安装环境

conda create --name gomoku-ai python=3.8
conda activate gomoku-ai
pip install -r requirements.txt

训练模型

运行以下命令开始训练模型：

python train.py

在训练过程中，每10000回合会保存一次Player1的模型权重，你可以在当前目录下找到名为gobang_model_player1_*.pth的文件， 当然你可以可以把回合数根据自己的需要修改成更大。

训练完全结束后会生成一个名为gobang_best_model.pth的最终权重文件，下次重新启动你仍然可以从这个权重节点继续开始训练。

使用GPU

默认情况下，代码会自动检测是否有可用的GPU，并在有GPU时使用CUDA。如果你希望强制使用或不使用GPU，可以手动设置USE_GPU标志位。

USE_GPU = True  # 使用GPU
USE_GPU = False  # 不使用GPU

加载模型

你可以使用以下代码加载保存的模型：

import torch
from model import GomokuNet

model = GomokuNet()
model.load_state_dict(torch.load('gobang_best_model.pth'))
model.eval()

转换ONNX

你可以使用以下命令将训练好的pth权重转换成ONNX模型和torchscript模型：

python export_onnx.py your_model.pth

执行成功后，会在当前目录产生model_torchscript.pt、model.onnx两个文件

打印棋盘

如果您想要查看每一次训练或验证阶段打印当下棋局结果，观察过程，分析训练效果，有一个NEED_PRINT_BOARD变量可以控制辅助到您，设置成True或False开启或关闭。 棋盘打印效果如下：

. . . . X X X . . . . X O . .
. . O O . X . . . . . O . . .
O X X . X X O X X O . . . . .
X O O . . X X O X . . X . O .
O O X . . . O . X O X O . . X
. X . . X O . . O X . . O . X
O . X . X X O . . . X . X . X
O . . . O . O O . . . X X X .
. . X X . O . . . . O . X O .
O O . . . . . . O O . . . . .
. . X O O . O . X . X O . O .
O X . . X . . O O . X . . . .
. X . O . O . . . . . O . O O
X X . . . X X X O X . O O . .
X O O X . . X O X . . . . . O

欢迎贡献

欢迎您贡献代码！如果你有任何改进建议或发现了问题，请提交Pull Request或者直接在本仓库创建issue。