重现 AlphaGoZero 风采,Facebook 开源 ELF OpenGo

栏目: IT资讯 · 发布时间: 7年前

内容简介:近日,Facebook AI Research(FAIR)在其官方博客宣布开源他们开发的曾打败专业围棋棋手的 AI 围棋机器人 ELF OpenGo,包括源代码和训练好的模型。 开发团队表示,受 DeepMind 的启发,他们在今年早些时候启动了...

近日,Facebook AI Research(FAIR)在其官方博客宣布开源他们开发的曾打败专业围棋棋手的 AI 围棋机器人 ELF OpenGo,包括源代码和训练好的模型。

重现 AlphaGoZero 风采,Facebook 开源 ELF OpenGo

开发团队表示,受 DeepMind 的启发,他们在今年早些时候启动了一项使用 FAIR 的可扩展、轻量级框架 ELF 进行强化学习研究的工作,希望能重现与 AlphaGoZero 最接近的结果,最终创建一个能自学围棋并达到人类职业棋手或更高水平的开源系统。

ELF OpenGo 是他们用两千块 GPU 训练约两到三周后得到的围棋 AI ,目前已成功战胜其他开源机器人和人类棋手。ELF OpenGo 在 4 月 25 日曾与目前公开可用的最强大的围棋机器人 LeelaZero 进行了 200 场比赛,最终以 198 胜 2 负 的成绩赢得胜利,而且是在使用默认设置的情况下。此外,OpenGo 还和世界排名前 30 的四位职业围棋棋手(金志锡,申真谞,朴永训及崔哲瀚)进行对弈,并以 14:0 的成绩赢得了所有的比赛。在比赛中 OpenGo 使用单块 GPU 每步 50 秒的搜索时间(每步搜索 8 万个局面),而人类棋手并没有限制下棋思考的时间。

重现 AlphaGoZero 风采,Facebook 开源 ELF OpenGo

开发团队表示,此次开放训练代码、测试代码和模型,是希望激励他人思考这项技术的新应用和研究方向,期待社区能够带来更进一步的探索。同时也是借此机会推广一下 ELF 平台和 PyTorch 深度学习框架,希望更多的人能使用和完善它。


【声明】文章转载自:开源中国社区 [http://www.oschina.net]


以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

数据密集型应用系统设计

数据密集型应用系统设计

Martin Kleppmann / 赵军平、李三平、吕云松、耿煜 / 中国电力出版社 / 2018-9-1 / 128

全书分为三大部分: 第一部分,主要讨论有关增强数据密集型应用系统所需的若干基本原则。首先开篇第1章即瞄准目标:可靠性、可扩展性与可维护性,如何认识这些问题以及如何达成目标。第2章我们比较了多种不同的数据模型和查询语言,讨论各自的适用场景。接下来第3章主要针对存储引擎,即数据库是如何安排磁盘结构从而提高检索效率。第4章转向数据编码(序列化)方面,包括常见模式的演化历程。 第二部分,我们将......一起来看看 《数据密集型应用系统设计》 这本书的介绍吧!

RGB HSV 转换
RGB HSV 转换

RGB HSV 互转工具

HEX HSV 转换工具
HEX HSV 转换工具

HEX HSV 互换工具