search

junxiaosong / AlphaZero_Gomoku

An implementation of the AlphaZero algorithm for Gomoku (also called Gobang or Five in a Row)
MIT License
3.27k stars 964 forks source link

关于GPU利用率的问题 #33

Closed huyp182 closed 6 years ago

huyp182 commented 6 years ago

跑的时候GPU内存占满了，但GPU运算部件的利用率只有12%，不知道可以增大利用率吗

huyp182 commented 6 years ago

还有个问题，您的cnn的输入只有4个维度，其中一个维度是上次下棋的位置，如果增加一些维度，把前面若干次下棋的位置都输入进去，训练效果会不会更好一些？

huyp182 commented 6 years ago

AlphaZero好像是把当前局面和前面16步，一共17维作为输入的吧

junxiaosong commented 6 years ago

关于GPU/CPU利用率，可以参见issue #15 的讨论； 关于输入数据，增加更多步的历史数据作为输入确实有可能提高效果，毕竟AlphaGo Zero原始论文中就是用了双方最近8步，有兴趣可以进行实验尝试

huyp182 commented 6 years ago

嗯，关于cnn的输入还有个问题，为什么不直接把square_state作为输入，而把square_state[:,::-1,:]作为输入呢

junxiaosong commented 6 years ago

因为历史原因，棋盘上的位置是从下往上编号的，比如3*3的棋盘： 6 7 8 3 4 5 0 1 2 square_state计算的时候是先按照从上往下编号的方式处理的，所以最后把行这个维度逆序了一下

huyp182 commented 6 years ago

还有个问题，AlphaZero_MCTS模拟的时候在非叶结点选择的是Q+u最大的子结点，为什么正式下棋的时候却只看模拟的时候的visit次数，而不管Q+u呢？ act_probs = softmax(1.0/temp * np.log(np.array(visits) + 1e-10)) 还有Pure_MCTS也是只看visit次数

junxiaosong commented 6 years ago

这是MCTS算法本身的思想，模拟的时候选择Q+u最大的节点，这是exploitation和exploration的平衡，Q对应exploitation，就是我们偏向于选择实际模拟过程中表现好的分支，u对应exploration，我们需要给访问次数少的分支一些机会，充分的探索，可能能发现更好的策略。在正式下棋的时候，我们不再需要探索，我们只需要充分利用模拟时探索到的信息，来选择最优的分支，一般我们选择visit次数最多的分支，按照论文里的说法，这种选择方法相对Robust；当然你也可以选择Q最大的分支，估计效果差异不会太大，但是u这一项在最后决策的时候肯定是不用的

huyp182 commented 6 years ago

知道了，谢谢！