Dies ist die Windows-App namens DarkForestGo, deren neueste Version als darkforestGosourcecode.tar.gz heruntergeladen werden kann. Sie kann online beim kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens DarkForestGo mit OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie einen beliebigen OS OnWorks-Online-Emulator von dieser Website, aber einen besseren Windows-Online-Emulator.
- 5. Rufen Sie vom gerade gestarteten OnWorks Windows-Betriebssystem unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter und installieren Sie sie.
- 7. Laden Sie Wine aus den Software-Repositorys Ihrer Linux-Distributionen herunter. Nach der Installation können Sie dann auf die App doppelklicken, um sie mit Wine auszuführen. Sie können auch PlayOnLinux ausprobieren, eine schicke Schnittstelle über Wine, die Ihnen bei der Installation beliebter Windows-Programme und -Spiele hilft.
Wine ist eine Möglichkeit, Windows-Software unter Linux auszuführen, jedoch ohne Windows. Wine ist eine Open-Source-Windows-Kompatibilitätsschicht, die Windows-Programme direkt auf jedem Linux-Desktop ausführen kann. Im Wesentlichen versucht Wine, genügend Windows von Grund auf neu zu implementieren, damit alle diese Windows-Anwendungen ausgeführt werden können, ohne dass Windows tatsächlich benötigt wird.
SCREENSHOTS:
DarkForestGo
BESCHREIBUNG:
darkforestGo ist eine frühe Go-Engine mit Deep Reinforcement Learning, die ein Convolutional Policy/Value-Netzwerk mit Monte Carlo Tree Search (MCTS) kombinierte, um das komplette 19×19-Spiel auf starkem Amateurniveau zu spielen. Das System verbindet schnelle GPU-Policy-Inferenz mit CPU- oder GPU-gestützter Baumsuche, sodass Prioren aus dem Netzwerk die Exploration leiten, während die Suche lokale Taktiken verfeinert. Trainingspipelines kombinieren überwachtes Lernen aus menschlichen Profipartien und Feinabstimmung des Selbstspiels, wodurch das Modell Eröffnungsmuster und Endspieltaktiken über einfache Musterbibliotheken hinaus erlernen kann. Der Code enthält Tools zum Parsen klassischer Go-Formate, zum Generieren von Trainingsbeispielen und zum Evaluieren von Modellen auf Standard-Test-Suites und Online-Servern. Ein KGS/Online-Client und ein Match Runner ermöglichen die Durchführung kontrollierter Turniere oder kontinuierliche Wertungsprüfungen. Obwohl spätere Projekte (wie ELF OpenGo) es an Leistung übertrafen, bleibt darkforestGo eine historisch wichtige, saubere Referenz für neuronale MCTS-Go-Systeme.
Eigenschaften
- Residual CNN Policy/Value Network integriert mit MCTS
- Überwachtes Vortraining mit menschlichen Spielen plus Feinabstimmung des Selbstspiels
- Datenpipelines zur Merkmalsextraktion, Beispielgenerierung und Auswertung
- Match Runner und Online-Client für KGS oder geskriptete Turniere
- Konfigurierbare Suchparameter und Zeitsteuerungen für reproduzierbare Tests
- Tools zum Exportieren, Analysieren und Vergleichen von Modellprüfpunkten
Programmiersprache
C
Kategorien
Diese Anwendung kann auch von https://sourceforge.net/projects/darkforestgo.mirror/ heruntergeladen werden. Sie wurde in OnWorks gehostet, um sie auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme aus ausführen zu können.