围棋AI中playouts或po及40b的含义

playouts简称po
一般可以简单翻译为计算量(次数),或模拟量(次数)。
1po即软件不经过推演验证的第一选点,或者说第一感觉。1po是计算量的最小单位。如果你给软件的计算时间小于计算1po的时间,软件就不能完成对局
1v=1po,visits=playout+搜索树剩余次数

在引入深度学习之前的mcts方法中,如早期的Zen,一个playout指从当前盘面开始,经过一次快速模拟走子直到终局,获得一个胜负结果的过程。
在引入深度学习方法后的早期阶段,如AlphaGo Fan和AlphaGo Lee架构,一个playout指从当前盘面开始,经过一次对神经网络中的价值网络访问获得一个局面评估值,及从该盘面进行1000次快速模拟走子(称为rollout)获取统计结果,并将上两项加权相加,得出该盘面最终评估的过程。
在后续的深度学习方法,如AlphaGo Zero和Alpha Zero架构,一个playout指从当前盘面,获得一个神经网络的value端(价值网络)评估输出值的过程。
一般可以简单翻译为计算量(次数),或模拟量(次数)。

1v等同于1po,但10v不一定等同于10po.关键是要理解软件计算存在这样一个特点,如果对手下出软件预计之内的棋,软件就会把上一步的计算数据继承到下一步,如果对手下出意料之外的棋,软件就会重新从零开始计算

假设固定10po下棋,当对手下出意料之内的棋的时候,软件下一步就可能不进行计算而秒拍。但如果固定10v下棋,软件就会每一步都思考10v,也就是无论对手的应法是否在意料之内,软件都会匀速的走下一步棋。

play out基本解释
逐渐发生;展开;结束;使精疲力竭
例:
This has yet to play out on the mainland .这出戏正在大陆上演。

–heatmap 代表显示下一步棋可能选点的热图。如果你不希望显示热图,可以去掉该参数。
–playouts 大致可以理解成演算的深度,数字越低则AI的水平也较低,需要配合noponder参数一起使用。
–noponder  代表不占用对手的时间进行思考。

40b这里的b是blocks 神经网络的层数
Best Network Hash

http://zero.sjeng.org/

作者:

喜欢围棋和编程。

 
发布于 分类 围棋编程标签

发表评论

电子邮件地址不会被公开。