- Мы используем возможности параллелизма [PARL] для выполнения самостоятельных игр между только что обученной моделью и лучшей версией предыдущих версий обучения.
- Мы также предоставляем сценарии для упаковки вашей хорошо обученной модели в файл для отправки в Kaggle [Connect X] (https://www.kaggle.com/c/connectx/leaderboard) напрямую.
- python3
- parl
- torch
- tqdm
# для создания списка установленных пакетов используйте команду
pip freeze > requirements.txt
# для установки всего списка необходимых пакетов
pip3 install -r requirements.txt
-
Для первоначального обучения мы используем 1000 игр между двумя произвольными агентами с оценкой результатов игры. Вы также можете скачать этот датасет самостоятельно по следующей ссылке - 1k connect4 validation set
-
Для начала работу необходимо запустить кластер xparl следующей командой в терминале:
# Вы можете изменить следующие `cpu_num` и` args.actor_nums` в main.py
# в зависимости от количества ядер Центрального Процессора вашего компьютера.
# у меня на ноутбуке их 8, для отображения прогресса тренировки запускаем веб-интерфейс, он в режиме реального
# времени покажет нагрузку на процессор, а также отобразит работу каждого агента (ядра Вашего ЦП)
xparl start --port 8010 --cpu_num 8
#xparl start --port 8000 --debug --cpu_num 8 --monitor_port 8001 --log_server_port_range 8002-8010
# для получения справочной информации введите
xparl --help
# или
xparl connect --help
#xparl connect --address 127.0.0.1 --cpu_num 8 --log_server_port_range 8011-8019
- Далее в терминале запустите тренировочный скрипт main.py:
# это программа для запуска полного цикла тренировки Вашей модели (использует метод обучения с подкреплением)
python /home/user/PycharmProjects/Kaggle_ConnectX/main.py
- Для проверки статуса работы кластера xparl введите в терминале:
xparl status
- Для завершения работы кластера xparl введите в терминале:
xparl stop
Чтобы отправить хорошо обученную модель в Kaggle, вы можете использовать предоставленный скрипт для создания файла submission.py, для этого введите в терминале:
python /home/user/PycharmProjects/Kaggle_ConnectX/gen_submission.py /home/user/PycharmProjects/Kaggle_ConnectX/saved_model/best.pth.tar
python /home/user/PycharmProjects/Kaggle_ConnectX/connect4_aiplayer.py
Вводные блокноты