V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
爱意满满的作品展示区。
icybee
V2EX  ›  分享创造

[开源] 一个分布式中国象棋 Alpha zero

  •  1
     
  •   icybee · 2018-08-14 13:56:55 +08:00 · 5392 次点击
    这是一个创建于 2053 天前的主题,其中的信息可能已经有所发展或是发生改变。

    先上代码 github,这个项目现在仍然在积极开发和维护的阶段,通过这个项目你可以组建自己的集群并且训练自己的中国象棋 alpha go:

    icyChessZero

    中国有 13+亿人,中国象棋的受众也很广,但是有关中国象棋 alpha go/zero 方面的开源项目其实并不多,国内有名的更是几根手指都能数过来,而且在内容上高度相似,都是使用 alpha zero 的网络 + alpha go 的训练方式,列举两个相对突出一些的:

    • 佳佳 zero: 是一个团队在维护,把 Leela Zero(一个国际象棋 alpha zero 项目) 迁移来做中国象棋的项目,目前就 elo 分来说是最强的,有那么一丢丢商业化趋势
    • cczero: 几乎只有一个人在维护代码,同样是一个民间自发组成,维护的中国象棋项目,目标是最强开源项目 这两个项目都是比较棒的,那么为什么我还要自己写一个呢?这就要从更早说起了

    早在 alpha go 出来之后,alpha zero 出来之前,我就有要用神经网络来做中国象棋的想法,不过那个时候其实大家都不太知道怎么做这个东西,毕竟象棋和围棋很不一样,我当时写了一个比较幼稚的网络,希望单纯通过一个网络,不加任何类似蒙特卡洛的算法来通过预测人类落子规律的方法来,毕竟在围棋中一个单纯的策略网络就可以达到业余几段的棋力水平,我追求的也并不是天下第一,业余几段对于我来说,很 ok。

    当时写爬虫爬了很多国内比赛棋谱,包括了很多我们耳熟能详的象棋大师的比赛,然后开始自己训练一个网络来预测人类的落子:

    这个是我当时实现的那个很 naive 的网络代码:

    icyElephant

    图 1. 两个网络分别负责选子和落子

    我当时的方法是使用 2 个网络来预测人类的一步,一个叫做 select 网络(图 1 中的网络 1 )负责预测人类会移动哪个子,另一个叫 move 网络,负责预测移动的子落子点在哪里,对比 alpha zero 的方法,alpha zero 使用一个网络就完成了两个工作:

    图 2. Alpha zero 方法,一个网络预测选子和移动子的笛卡尔积

    从直觉上来说,似乎先预测选子,再预测落子的网络逻辑更符合人类的思考过程,然而这两个网络,在实际使用真实对局数据训练时准确率相差非常小:

    图 3. 不同网络预测走子的准确率

    并且我当时的方法( select-move 网络)不适合用在蒙特卡洛树搜索中预测每个走法的概率,所以后来在写 icyChessZero 的时候也是用了 alpha zero 的策略网络的形式。在训练完这个网络之后,我发现,虽然象棋走法预测的准确率也不算很低,但是单纯和这个预测走子的网络对弈,我发现这个网络虽然开局有模有样,但是一旦到了中局和残局,网络经常作出匪夷所思的送子行为,这个现象我认为是因为围棋和象棋的差异性造成的,由于围棋的局势更适合直接从棋盘评估(所谓的“势”),而象棋则更多涉及逻辑推理。

    到这一步为止,其实还是有很多项目都可以做到,比如说之前知乎有一篇系列文章:

    ENG Bo:28 天自制你的 AlphaGo

    叫 28 天自制 alpha go 的文章(虽然这个系列文章后来太监了,作者卖灯去了,估计是因为算力不够),但是再往下做的话,其实是有一定门槛的,使用蒙特卡洛树进行子对弈,并且进行神经网络的增强学习训练,需要巨大的算力,这个门槛,其他的开源项目一般是通过众筹训练的方式解决的,比如 cczero 和佳佳 zero,但是有越过这个门槛的,也就有没越过这个门槛的,比如之前知乎上的另一个项目:

    程世东:AlphaZero 实践——中国象棋(附论文翻译)

    这个项目就因为训练增强学习所需要的巨量资源所限制,虽然代码写出来了,但是因为算力不够,作者在烧了几百美元之后只能作罢。

    那么我是怎么面对这个问题的呢?我利用了我在校生的身份,把手深到了我能够到的每一台 gpu 机器,求爷爷告奶奶的搞到了四五台机器,组了一个集群,虽然仍然算力不够,但是至少可以开始训练了。

    想要从根本上解决这个问题,只能用巨量的算力,但是我们也能通过一些提高效率的方法来缓解一些这个问题,一些常用的方法比如:

    1. 使用 c/c++ 加速代码
    2. 使用多进程同时跑多个网络的前向
    3. 使用协程来将多个前向组成 batch,提高 gpu 利用效率
    4. 使用协程 /多进程的蒙特卡洛树算法,提速蒙特卡洛树的搜索速度
    5. 使用多台机器分布式跑棋谱,利用更多 gpu

    除了 C/C++加速的方法我还没有使用,其他的方法我都使用了,细节参考:

    深入理解 alpha go 的方法并应用到中国象棋[草稿]

    在实现了使用蒙特卡洛树搜索走子的功能之后,我让监督学习的网络 和 监督学习+蒙特卡洛树的两种算法进行了对战,结果如下:

    图 4. 蒙特卡洛树和纯策略网络对战结果

    在 29 盘对局中,蒙特卡洛树一盘都没有输,平的 5 局都是超出当时的步数限制( 100 步,为了节省时间)判和的,判和时无一例外都是 mcts 优势。这明确证明蒙特卡洛树能够有效提升 policy 网络的棋力。

    这个项目原理简单,但是实现起来全是逻辑,我从三月(存疑)开始写,一直没时间写,断断续续的写,5 月跑了几天,出了一些 bug,后来一堆事情又涌上来,这项目就又搁置了起来,到 7,8 月,我意外的发现终于又有一些时间了,于是终于,我完成了我的中国象棋 alpha go zero 的第一版。

    然后开始了漫长的训练过程,由于我的算力非常有限,到目前为止也只是一个 4,5 台 gpu server 的集群在训练这个版本的 alpha zero,我一开始的评估结果是以实验室的资源大概至少 10 年能跑出来吧,后来随着计算越来越精确,我发现在短短一年,甚至半年之内完成训练是很有可能的(我的目标只是达到中上人类水平,由于收到算力和时间的限制),但是一台机器肯定不够,需要有很多机器,于是我写了分布式版本,甚至花了一周时间重构了很多代码,这次重构以后一些 bug 莫名其妙的消失了,elo 曲线总算开始正常上升。

    图 5. elo 曲线

    图 6. 子对弈评估表

    ps 一句:如果你在北邮有闲置的 GPU 服务器的权限,又有意愿加入集群一起训练,希望能够联系我

    我认为,并不是只有训练出一个最强的网络才是有价值的(当然如果有资源能够训练最强的我也不介意 [手动捂脸] ),探究在这个训练过程中的优化点,考究 alpha zero 这个强化学习过程中是否有不合理的地方,这些都是有价值的。

    这次开源的代码同时包含了集群 master 和 slave 的代码,一个组建集群的 minimal sample 我已经上传到了 google drive:

    集群 minimal code

    这个 minimal sample 可以直接用 google colab (免费)运行,只要把这个文件存到自己的 google drive 之后用 colab 打开就行(注意开启 gpu 加速):

    图 7. minimal sample 使用步骤

    在 google colab 中运行这个 minimal sample 的所有代码,应该能够看到类似下面的结果,说明一个随机的权重已经被初始化并且用于蒙特卡洛树的子对弈:

    图 8. minimal sample 运行结果

    根据其他项目的进度和情况,想要达到我的小目标应该需要 4000 ~ 5000 elo 的分数,现在这个项目已经达到了 700elo 左右的分数,所以达到目标并不是不可能的。

    另外这个项目参考了很多同类项目的实现,比如:

    https://zhuanlan.zhihu.com/p/34433581

    https://cczero.org/

    https://github.com/junxiaosong/AlphaZero_Gomoku

    写这个项目的目的也是希望在探索的路上多走一条道,多一个人。

    最后给其他对 alpha zero 算法感兴趣的人一点建议:

    如果没有足够算力的话,没事不要碰象棋,围棋这种复杂游戏,可以从五子棋这种简单游戏入手训练,五子棋这种简单游戏对算力的门槛要求会低很多。

    另外,如果想探讨一些技术问题可以站内私聊,评论,或者通过 [email protected] 联系我

    15 条回复    2018-08-14 16:42:57 +08:00
    rogwan
        1
    rogwan  
       2018-08-14 14:01:31 +08:00 via Android
    中国象棋的非深度学习的版本,早就把人给虐残了,这个还深度学习,简直就是不想让人玩吖
    silencefent
        2
    silencefent  
       2018-08-14 14:31:59 +08:00
    象棋不是已经有必胜策略了吗
    icybee
        3
    icybee  
    OP
       2018-08-14 14:37:26 +08:00
    @silencefent

    对于双方信息完全公开的零和游戏而言,必定有一方存在必不败策略,然而找到这个必胜策略是个 NP 问题

    从这么多年的棋软发展历程看来,中国象棋作为一种比较特殊的棋类游戏很有可能存在所谓的“必和”,而你所说的“必胜”策略则很可能不存在
    zhenhua
        4
    zhenhua  
       2018-08-14 14:50:20 +08:00
    @silencefent @icybee @rogwan 加个迷雾模式怎么样 兵看一步 车看两行 有没有可能复杂些
    icybee
        5
    icybee  
    OP
       2018-08-14 14:53:37 +08:00
    @zhenhua 很因吹斯汀的想法,你的想法其实本质是这种算法是否可以用于双方信息不完全公开的零和游戏

    可以考虑搞个军棋的 ai ?象棋这种下法感觉挺别扭的
    zhenhua
        6
    zhenhua  
       2018-08-14 14:55:50 +08:00
    @icybee 现在象棋存在棋艺相差很大的情况 很无趣 迷雾模式 反而可以老少皆宜 输赢天定 倒是增加了乐趣
    hhsuan
        7
    hhsuan  
       2018-08-14 14:58:54 +08:00 via Android
    有国际象棋的 alpha 有吗
    icybee
        8
    icybee  
    OP
       2018-08-14 15:03:51 +08:00
    @zhenhua 暗棋如何?感觉安琪有不完全信息博弈的成分,也有你说的老少皆宜 输赢天定的部分,也挺适合做 alpha zero 算法的
    icybee
        9
    icybee  
    OP
       2018-08-14 15:07:20 +08:00
    est
        10
    est  
       2018-08-14 15:24:15 +08:00
    @rogwan 有区别的。暴力破解棋风诡异,alphago 的那种特别有大局观。
    est
        11
    est  
       2018-08-14 15:25:21 +08:00
    @hhsuan

    https://www.chess.com/news/view/google-s-alphazero-destroys-stockfish-in-100-game-match

    100 比蛋打败了 stockfish。。。。

    把暴力破解虐哭了。。。把 grandmaster 也虐哭了。。
    rogwan
        12
    rogwan  
       2018-08-14 15:33:11 +08:00 via Android
    所以,还是麻将最适合人类玩呀,AI 再牛逼,防不住猪队友点炮
    lvybupt
        13
    lvybupt  
       2018-08-14 15:44:34 +08:00
    在校生友情 bd
    icybee
        14
    icybee  
    OP
       2018-08-14 15:47:21 +08:00
    @lvybupt 摸摸头
    marcong95
        15
    marcong95  
       2018-08-14 16:42:57 +08:00
    @rogwan 麻将 AI 也在虐人类好么,ⓝ爆打了解一下,不怎么认真做的博士项目也安定 6 段了
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   我们的愿景   ·   实用小工具   ·   2680 人在线   最高记录 6543   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 26ms · UTC 15:48 · PVG 23:48 · LAX 08:48 · JFK 11:48
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.