一种将自玩强化学习和搜索范式推广到不完备信息游戏的算法。
ReBeL 的实现,这是一种将自玩强化学习和搜索范式扩展到不完备信息游戏的算法。 此仓库仅包含 Liar's Dice 游戏的实现。
推荐的安装 ReBeL 的方式是通过 conda env。 首先,克隆并创建 conda env:
git clone --recursive https://github.com/facebookresearch/rebel.git
cd rebel
conda create --yes -n rebel python=3.7
source activate rebel然后, 安装依赖项:
pip install -r requirements.txt
conda install cmake最后,编译 C++ 部分:
make使用以下命令来训练一个使用在 CPU 上生成数据的值网络:
python run.py --adhoc --cfg conf/c02_selfplay/liars_sp.yaml \
env.num_dice=1 \
env.num_faces=4 \
env.subgame_params.use_cfr=true \
selfplay.cpu_gen_threads=60由于 CFR 要求在每次迭代中对多个节点的值函数进行评估,上述代码运行速度会非常慢。如果您的机器上有多个 GPU,请使用这些标记。第一个 GPU 用于训练,其他 GPU 用于生成数据,每个 GPU 使用 8 个 CPU 线程:
训练师每 10 个 epoch 保存一个 checkpoint 作为状态字典和 TorchScript 模块。您可以使用后者来使用以下命令计算使用此模型生成的策略的可利用性:
暂无开放 Issues，或尚未同步最近议题。