简介一套基于深度学习和蒙特卡洛树搜索的围棋机器人Python源码面向计算机相关专业毕业设计、课程设计和期末大作业场景也适合需要项目实战练习的学习者。项目融合深度神经网络与蒙特卡洛树搜索代码完整、经过导师指导并获评99分结构清晰可直接运行或作为二次开发基础。压缩包共96个文件以56个Python脚本为核心覆盖agent、go、game、train等模块辅以JSON配置、C/C扩展、Markdown说明等分别承担参数管理、性能加速、使用说明等用途。整体约183KB小巧易部署。已有74人学习或下载。内容包含各功能模块完整源码、神经网络训练与数据加载脚本、命令行与UI交互界面并提供README说明文档方便理解项目架构与运行流程。无论是用于毕设展示还是算法学习都能获得一套可直接演示、继续扩展的完整工程。1. 为什么围棋机器人把深度学习和蒙特卡洛树搜索绑在一起19 路围棋的合法局面数远超过可观测宇宙的原子数任何程序想靠“把所有变化算完”来下棋局面复杂度会先一步把内存和 CPU 全部拖垮。真正让围棋 AI 从“能下”到“下得像人”的转折点是 2016 年 AlphaGo 把深度神经网络塞进蒙特卡洛树搜索MCTS的搜索回路神经网络负责压缩局面判断和走子倾向MCTS 负责在这些概率估计之上做有方向的长线模拟。这种组合直接绕开了显式暴力搜索也绕开了手写棋形的规则库。这份标题里的 Python 源码层面大致是复刻 AlphaGo Zero 的简化工程版本既包含 CNN 策略网络和价值网络也包含 UCB 公式驱动的蒙特卡洛树搜索以及把两者串起来的人机对弈入口。适合的人群很明确懂一点 Python、想弄清“深度学习和搜索算法如何协作”的开发者或者做过目标检测但没碰过博弈树的读者。不必期待它具备职业棋力核心价值在于代码能把“策略先验 搜索权衡”这条主线完整演示出来。2. 从围棋机器人 Python 源码看懂棋盘、策略网络与 MCTS 的边界2.1 先找到源码里三块互不打扰的代码棋盘表示、网络推理、树搜索到手一个名为“基于深度学习和蒙特卡洛树搜索的围棋机器人”的 Python 源码压缩包解压后第一件事不是急着装依赖而是扫一眼文件划分。这类工程无论原作者怎么起文件名核心模块几乎都逃不开三类职责第一类是围棋规则本身包括棋盘、提子、劫争、胜负判定第二类是神经网络定义与推理接口负责把“当前局面”变成“策略概率 胜率估计”第三类是蒙特卡洛树搜索的主体负责选择、扩展、模拟、回溯四个步骤。如果源码把它全塞进一个 play.py读起来会非常吃力我一般会把代码整理成下面这样再继续看# 常见目录划分 go/ go.py # 棋盘与落子规则含提子和禁着点判断 features.py # 将棋盘局面编码为神经网络的输入张量 network.py # 策略网络 价值网络定义PyTorch 实现 mcts.py # 蒙特卡洛树搜索节点与完整搜索流程 selfplay.py # 自我对弈数据生成用于后续训练 play.py # 命令行人机对弈入口逻辑说明棋盘规则文件不应该 import 模型文件否则一旦你想换一种网络结构会连规则代码一起改动。MCTS 只依赖两个外部接口一是“给定局面返回策略概率”二是“给定局面返回价值估计”而不是直接操作 pytorch 权重。这样分层的好处是能分别测试规则、网络和搜索先用纯规则做落子合法性校验再随机权重跑一次树搜索最后才接上训练好的权重。参数说明上面的“go/”只是一个示意目录名实际源码里可能是“board.py”“policy.py”这样的名字但你不必被文件名捆住按功能的单向依赖关系去找即可。判断标准只有一个如果从 mcts.py 里能看到 CNN 的卷积核尺寸说明模块边界已经污染了。2.2 棋盘状态用 1/0/2 表示合法落子位置必须生成掩码围棋盘面最小的表示方法是一个二维数组0 表示空1 表示黑子2 表示白子。很多初学者会在这一步把棋盘直接塞给神经网络但神经网络不关心“提子”“眼”“劫”这些语义它只关心固定形状的输入张量。因此源码里通常会有一个独立函数把棋盘翻译成多个特征平面。下面这段代码是棋盘类的简化骨架重点看“合法动作掩码”的生成方式class GoBoard: def __init__(self, size19): self.size size self.board [[0] * size for _ in range(size)] self.current_player 1 # 1 黑2 白 def legal_mask(self): mask [] for r in range(self.size): row [] for c in range(self.size): # 这里应检查自填、打劫、重复局面等规则 row.append(1 if self.board[r][c] 0 else 0) mask.append(row) return mask逻辑说明legal_mask输出的二维 mask 会让 MCTS 把所有合法落点统一处理。树搜索选择节点时会对 mask 为 0 的位置做概率重归一化保证强先验不会推荐一个已经不能落子的坐标。参数说明current_player必须显式记录因为神经网络的输入特征里要有“当前执黑还是执白”的通道如果只靠棋盘里的棋子颜色判断类似“黑白两边同样形状但轮到谁走”的镜像局面会让网络输出完全不同的策略不加这一维特征网络根本分不清先后手。2.3 深度网络吃进 17 张特征图吐出让树搜索参考的概率AlphaGo Zero 使用的围棋输入是 8 个过去局面叠加成 17 层特征图每层都是 19×19当前局面之前 8 步中每步用两层分别表示我方棋子和对方棋子第 17 层是一个全 1 的当前执子方通道。PyTorch 版本里网络定义大致长这样import torch import torch.nn as nn class PolicyValueNet(nn.Module): def __init__(self, board_size19, num_planes17): super().__init__() self.conv nn.Sequential( nn.Conv2d(num_planes, 32, kernel_size3, padding1), nn.BatchNorm2d(32), nn.ReLU(), nn.Conv2d(32, 64, kernel_size3, padding1), nn.BatchNorm2d(64), nn.ReLU() ) self.policy_head nn.Conv2d(64, 1, kernel_size1) self.value_head nn.Conv2d(64, 1, kernel_size1) def forward(self, x): x self.conv(x) policy torch.tanh(self.policy_head(x)).view(x.size(0), -1) value torch.tanh(self.value_head(x)).view(x.size(0), -1) return policy, value逻辑说明policy输出维度是网络输出层的节点数等于 19×19 再额外加一个 Pass。MCTS 选择子节点时读的是 softmax 之后的先验概率而value是标量胜率范围被tanh限制在 -1 到 1 之间。要注意的是BatchNorm2d在推理模式下会使用训练阶段累积的均值方差所以加载权重后必须调用model.eval()否则树搜索每次前向推理的数值都不稳定。参数说明上面简化网络把value展平成N×1实际工程里更常见的是先做全局平均池化再接全连接层。你不需要改num_planes除非源码用的是 AlphaGo 原版而非 Zero 版本原版里还要加入手工灵魂特征和当前局面特征特征平面数量会超过 40。2.4 UCB 公式怎么写才是“蒙特卡洛树搜索”不是随机下棋蒙特卡洛树搜索的核心是选择性忘掉“均匀随机模拟”的旧套路改成按 UCB 类公式选择节点。围棋机器人的实现一般遵循下面的公式import math def ucb_score(parent_visits, node_visits, win_rate, prior, c_puct1.4): return win_rate c_puct * prior * math.sqrt(parent_visits) / (1 node_visits)逻辑说明win_rate是当前子节点累计价值估计数值越接近 1 代表这个分支越被看好prior是深度学习策略网络给出的先验概率负责把搜索引向“人类看起来合理”的位置。c_puct控制探索强度值越大越倾向于尝试先验概率高但访问次数还很少的点值越小越倾向于追着当前胜率最高的点猛挖。参数说明这里的node_visits在分母位置加了 1是为了避免新节点访问次数为 0 时出现除零错误。实际搜索中每个节点的胜率往往被存储为“当前执子方视角”而不是“根节点执子方视角”否则回溯时会漏掉“换手”的一层正负号。从工程角度你读源码时应先确认 MCTS 节点类里有没有累计visit_count和total_value两个字段。如果只有 visit_count 而没有 total_value那它在回溯时一定用了某种增加式更新方式两种写法都成立但排查价值时前者更直观。class MCTSNode: def __init__(self, parentNone, prior0.5): self.parent parent self.prior prior self.children {} self.visit_count 0 self.total_value 0.0这段节点结构说明访问次数增长由回溯阶段驱动每次走到叶子节点并完成一次模拟后从根节点到该叶子路径上的每个节点都会把visit_count加 1同时把叶子节点的价值加到total_value。下一步选择子节点时win_rate total_value / visit_count。3. 把源码跑在本地从 Python 环境配置到最小对弈命令3.1 深度学习环境配置先装 torch 还是先装 numpy拿到此类源码后最常见的失败点是环境冲突而不是算法代码错误。源码里凡是写“基于深度学习”的围棋项目基本都要用 PyTorch 或 TensorFlow如果电脑里已经有 TensorFlow再装一个 PyTorch 往往能共存但 CUDA 版本不同会导致某一套无法调用 GPU。更稳妥的做法是新建独立虚拟环境把深度学习依赖全部隔离在里面。python -m venv .venv source .venv/bin/activate pip install --upgrade pip pip install numpy torch pip install gym # 仅当源码需要环境接口时才需要可先跳过命令逻辑说明python -m venv用当前解释器创建虚拟环境激活后所有包都装到项目.venv目录里不影响系统 Python。torch会自动带 numpy 依赖但显式安装 numpy 可以避免源码里用np.random时因为 torch 依赖版本不一致出现小版本错误。参数说明如果你没有 NVIDIA GPU 或不想折腾 CUDA千万别直接跑默认的 pip install torch 再抱怨它把 2GB 下下来。常见做法是先确认 PyTorch 官方安装命令CPU 版一般用pip install torch --index-url https://download.pytorch.org/whl/cpu这样的显式 CPU 渠道避免安装带 CUDA 的预编译包后加载失败。装完后用python -c import torch; print(torch.__version__)验证这一步能过滤掉超过一半的环境配置问题。3.2 加载训练好的权重把局面变成概率源码里通常会给一个model.py或者network.py来定义网络结构权重文件常见的扩展名是.pth、.pt或.pth.tar。权重加载的坑在于 PyTorch 的torch.load默认会把张量绑定到原来的设备比如在训练机上保存的对象类型可能是 GPU tensor换到无 GPU 的机器上就报 “Attempting to deserialize object on a CUDA device”。我要在推理入口加一句map_locationcpuimport torch import torch.nn.functional as F def load_network(path, board_size19): model PolicyValueNet(board_sizeboard_size) state torch.load(path, map_locationcpu) if state_dict in state: state state[state_dict] model.load_state_dict(state) model.eval() return model def policy_inference(model, board_tensor): with torch.no_grad(): logits, value model(board_tensor.unsqueeze(0)) probs F.softmax(logits, dim1).squeeze(0) return probs, value.item()逻辑说明board_tensor.unsqueeze(0)把一个 17×19×19 的特征张量变成 1×17×19×19这个批维是 CPU/GPU 一次性算多个局面时预留的。torch.no_grad()关闭自动微分图树搜索在一次对局里往往要跑几百上千次前向推理开着 grad 会让显存持续堆积速度也会掉一个量级。参数说明load_state_dict要求模型结构严格匹配权重里的层名。如果加载时报 unexpected key 或 missing key优先怀疑的是源码网络定义文件与权重不匹配而不是权重损坏。常见做法是打印 state dict 的 key 列表和模型 named_parameters 的 key 列表做 diff两个列表完全一致再继续排查。3.3 从终端开始一局人机对弈最小启动命令确认权重能加载后不要急着点训练先跑一局人机对弈看整条链路是否通。源码里的入口文件名不确定但命令行参数基本围绕“棋盘大小、搜索次数、是否用 GPU、PASS 规则”这几个方向设计。一个比较通用的启动命令如下python play.py --board-size 9 --ai mcts --playouts 1000 --temperature 0.1命令逻辑说明--board-size 9先在小棋盘上验证因为 19 路的搜索宽度会让单次playout时间不可接受。--playouts 1000指每回合蒙特卡洛树搜索从根节点向下模拟 1000 次它几乎成正比地关系着单步思考时间。--temperature 0.1是根节点采样温度温度越低越倾向选访问次数最高的点适合验证“AI 是否真的在按策略走”。如果源码没有命令行参数也不要慌直接改play.py里的全局常量即可。我一般会先搜索文件顶层有没有BOARD_SIZE、N_PLAYOUTS、TEMPERATURE之类的赋值把它们改成上面同样的值。接下来你只需要按提示输入坐标比如a1或H8就能看到策略网络和 MCTS 一起工作的效果。3.4 用自对弈生成数据检查代码路径是否完整人机对弈只能验证界面层真正考验“深度学习 蒙特卡洛树搜索”耦合是否正确的是自对弈脚本。自对弈会反复执行“MCTS 选点 - 落子 - 收集训练样本 - 终局判分”这一循环如果这个循环跑不出合法 SGF 文件那么后续无论你调什么参数都白搭。python selfplay.py --games 5 --simulation 200 --record sgf_output命令逻辑说明--games 5先生成 5 盘棋每盘棋会分别执行数次甚至数十次棋盘前向推理。--simulation 200可以设置得比人机对弈低很多因为自对弈只是验证模块回路不需要下得很强。--record sgf_output把对局记录输出到目录之后你可以用第 5 章里的回放脚本逐手检查落子是否合法。如果自对弈在第二步就报IndexError十有八九是策略网络输出的概率向量长度和棋盘坐标映射不一致网络输出 361 个概率但代码里用np.argmax之后除以 19 得到坐标时忘了 P451 维。正确的做法是把概率 reshape 成 19×19再与合法动作 mask 相乘。这也是整个源码里最容易出 bug 的地方之一。4. 调参优化让源码里的 MCTS 和深度学习互相配合4.1 MCTS 的三个必调参数c_puct、playouts、temperature运行起来之后源码里的棋力瓶颈往往不在网络本身而在 MCTS 的采样策略。下面三个参数是必须看懂的也是你拿去跑不同规模棋盘时最常改的参数常见默认值作用调低/调高后的表现c_puct1.4控制先验概率与访问频率的平衡调低后搜索趋向“只走胜率高的点”调高后会尝试更多新变化playouts800 到 1200决定每次落子的搜索深度调低后每步很快但棋感粗糙调高后更准但耗时线性增长temperature开局 1.0终局 0.1控制根节点采样随机性调高会让开局更分散调低会让终局更确定在黑白双方都不敢贸然动手的布局阶段传统命令行程序会用温度采样来增加多样性。代码一般会写在 MCTS 返回落子结果的时候def choose_action_by_temperature(root, temperature): visits [] children list(root.children.values()) for child in children: visits.append(child.visit_count) visits np.array(visits, dtypenp.float64) if temperature 1e-8: action int(np.argmax(visits)) else: wins visits ** (1.0 / temperature) probs wins / wins.sum() action np.random.choice(len(children), pprobs) return action逻辑说明temperature降到接近 0 时直接用argmax选访问次数最多的点此时不需要考虑随机采样也能避免1/temperature溢出。temperature比较高时访问次数先做指数缩放再归一化成概率这样做既能保留“访问次数多的点更可能被选”的倾向又不会让所有对局都走同一条路线。参数说明有些源码里的temperature是 float传成整数0会直接触发1/0的除零错误。我在写这种函数时一般会加if temperature 1e-8的防御判断而不是直接判等于 0。4.2 给根节点加 Dirichlet 噪声不然强先验会让树搜索变成策略网络复读机深度网络策略一旦训练成熟它的概率分布会非常尖锐某些局面下 90% 的概率都集中在同一个落点。如果 MCTS 初始根节点的 prior 直接用这个概率搜索会很快收敛到单一方向完全失去“探索其他可能变化”的能力。AlphaGo Zero 论文里用的办法是给根节点先验加 Dirichlet 噪声def add_dirichlet_noise(root, child_priors, alpha0.03, epsilon0.25): noise np.random.dirichlet([alpha] * len(child_priors)) for i, child in enumerate(root.children.values()): child.prior (1 - epsilon) * child_priors[i] epsilon * noise[i]逻辑说明alpha控制噪声分布的集中程度19 路围棋常用0.03当棋盘缩小到 9 路时常数需要按棋盘点数缩放否则噪声会在过小的棋盘中产生过大扰动。epsilon表示原始先验被替换的比例0.25 的含义是“整体分布的 25% 来自随机噪声75% 来自策略网络”。参数说明Dirichlet 噪声只在根节点加不要加到中间层节点。因为中间层节点代表“假设已经走到的局面”它的先验需要用来刻画“黑方在已知局面下的正确策略”不需要再用随机扰动来制造多样性。这个区分也是检查自己实现是不是“AlphaGo Zero 式”的关键点。4.3 推理放 GPU 还是 CPU先解决四个常见的“慢”来源很多人在源码里把 playouts 调到 2000 以后发现每步棋要思考 30 秒以上。先用推理代码里是不是做了没有必要的开销再决定上不上 GPU。我遇到的四个主要慢来源如下第一没有关掉自动求导。只要 inference 阶段没有torch.no_grad()每一次前向都会构建计算图CPU 推理时间直接翻倍。第二模型没有固定到同一个设备。模型在cuda输入张量却在cpu上PyTorch 不会立刻报错但每次都会做一次设备拷贝。第三MCTS 每走一个子节点都重新拼一次全部历史局面特征。特征计算应该缓存复用一个只增不减的列表而不是在每次递归选点时从头算 17 层平面。第四单次推理 batch_size 为 1。自对弈时如果想提速可以把当前层的所有叶子节点打包成一个 batch 同时推理。下面这段代码演示了在已有模型上同时打开推理模式和半精度model.eval() model.inference_mode() # PyTorch 2.x 也可用 torch.inference_mode() 包裹整段 if torch.cuda.is_available(): model model.half()逻辑说明model.half()把权重转为 FP16在支持半精度运算的 GPU 上能明显加速大规模 MCTS但在 CPU 上反而可能更慢所以这个分支一定要检查是否有 CUDA 设备。torch.inference_mode()比no_grad更加彻底它完全禁用自动求导推理代码不允许再调用会把张量重新变成需要梯度的操作。如果你实在不知道慢在哪就用 Python 自带性能分析器跑一次python -m cProfile -s cumtime play.py --ai mcts --playouts 400命令逻辑说明cProfile会把每个函数的累计执行时间排序输出结果里排名靠前的函数如果是policy_inference说明瓶颈在神经网络推理如果是ucb_score或select_child说明树节点访问次数太多且数据结构里采用了线性查找。后者可以考虑把子节点存放从 list 改成 dict 或直接用坐标哈希表。5. 从源码出发用回放和 GTP 扩展你的围棋机器人5.1 用 SGF 回放定位“败招”价值曲线和策略自信度程序下完一盘之后不应该只留一个胜负结果。常见做法是写一个回放脚本读取 SGF然后对每一手棋重新调用策略网络记录下“网络认为这一步胜率是多少”。这个过程中你能直观看到哪一手棋让价值曲线突然跳水。回放代码可以这样写def replay_with_value(path, model): board GoBoard() for node in sgf_iterate(path): # 解析 SGF 主变返回每一步落子 state_tensor encode_board(board) _, value policy_inference(model, state_tensor) print(node.move, round(value, 3)) board.apply_move(node.move)逻辑说明value.item()返回的值是从当前执子方视角看出的胜率假设黑方胜率为 0.7轮到白方时的同局面图标会变成 -0.7所以回放时不要只看单点数值要看“相对于前一手的变化幅度”。如果某手落子后价值从 0.55 瞬间跌到 0.1通常就是源码里 MCTS 因为 playouts 不够没有发现对手的反击。参数说明encode_board必须和训练时保持一致特别是历史局面层数的取值来源有些源码保存 SGF 时会额外记录前三手但特征编码里第八手之前需要填零这一细节错了会导致回放价值曲线完全没有参考意义。5.2 把机器人接成 GTP 引擎图形客户端就能指挥它下棋当你不满足于在终端里键入坐标可以把对弈入口改造成 GTP 协议。GTP 是图形界面和围棋程序之间的文本协议核心只有几个命令play表示对方落子genmove表示让程序生成一手棋quit表示退出。源码里通常会有 MCTS 对外接口你只需要在 while 循环里逐行读标准输入并打印结果import sys def gtp_loop(search_fn): board GoBoard() for line in sys.stdin: cmd line.strip().split() if cmd[0] play: board.apply_move(parse_vertex(cmd[1])) print( \n\n) elif cmd[0] genmove: move search_fn(board) board.apply_move(move) print(f {format_vertex(move)}\n\n) elif cmd[0] quit: print( \n\n) return逻辑说明GTP 的响应必须以开头行尾要留一个空行这是协议给图形客户端判断“响应已完整”的停靠标记。把print的输出重定向到标准输出即可但注意不要在多进程或并行搜索时让调试日志混进标准输出否则客户端会把日志当成响应解析失败。参数说明parse_vertex负责把图形界面传来的d4这类坐标转换成棋盘数组下标最容易出错的是字母i在围棋中一般不用作坐标列号这是为了避免与数字1混淆的习惯。编程时也应当让 GTP 命令boardsize 9能重新初始化棋盘因为图形客户端通常先发boardsize再开始对弈。按这套接口写完任何支持 GTP 的开放图形前端都会把你这份 Python 围棋机器人当成熟人引擎来驱动。本文还有配套的精品资源点击获取
简介一套基于深度学习和蒙特卡洛树搜索的围棋机器人Python源码面向计算机相关专业毕业设计、课程设计和期末大作业场景也适合需要项目实战练习的学习者。项目融合深度神经网络与蒙特卡洛树搜索代码完整、经过导师指导并获评99分结构清晰可直接运行或作为二次开发基础。压缩包共96个文件以56个Python脚本为核心覆盖agent、go、game、train等模块辅以JSON配置、C/C扩展、Markdown说明等分别承担参数管理、性能加速、使用说明等用途。整体约183KB小巧易部署。已有74人学习或下载。内容包含各功能模块完整源码、神经网络训练与数据加载脚本、命令行与UI交互界面并提供README说明文档方便理解项目架构与运行流程。无论是用于毕设展示还是算法学习都能获得一套可直接演示、继续扩展的完整工程。1. 为什么围棋机器人把深度学习和蒙特卡洛树搜索绑在一起19 路围棋的合法局面数远超过可观测宇宙的原子数任何程序想靠“把所有变化算完”来下棋局面复杂度会先一步把内存和 CPU 全部拖垮。真正让围棋 AI 从“能下”到“下得像人”的转折点是 2016 年 AlphaGo 把深度神经网络塞进蒙特卡洛树搜索MCTS的搜索回路神经网络负责压缩局面判断和走子倾向MCTS 负责在这些概率估计之上做有方向的长线模拟。这种组合直接绕开了显式暴力搜索也绕开了手写棋形的规则库。这份标题里的 Python 源码层面大致是复刻 AlphaGo Zero 的简化工程版本既包含 CNN 策略网络和价值网络也包含 UCB 公式驱动的蒙特卡洛树搜索以及把两者串起来的人机对弈入口。适合的人群很明确懂一点 Python、想弄清“深度学习和搜索算法如何协作”的开发者或者做过目标检测但没碰过博弈树的读者。不必期待它具备职业棋力核心价值在于代码能把“策略先验 搜索权衡”这条主线完整演示出来。2. 从围棋机器人 Python 源码看懂棋盘、策略网络与 MCTS 的边界2.1 先找到源码里三块互不打扰的代码棋盘表示、网络推理、树搜索到手一个名为“基于深度学习和蒙特卡洛树搜索的围棋机器人”的 Python 源码压缩包解压后第一件事不是急着装依赖而是扫一眼文件划分。这类工程无论原作者怎么起文件名核心模块几乎都逃不开三类职责第一类是围棋规则本身包括棋盘、提子、劫争、胜负判定第二类是神经网络定义与推理接口负责把“当前局面”变成“策略概率 胜率估计”第三类是蒙特卡洛树搜索的主体负责选择、扩展、模拟、回溯四个步骤。如果源码把它全塞进一个 play.py读起来会非常吃力我一般会把代码整理成下面这样再继续看# 常见目录划分 go/ go.py # 棋盘与落子规则含提子和禁着点判断 features.py # 将棋盘局面编码为神经网络的输入张量 network.py # 策略网络 价值网络定义PyTorch 实现 mcts.py # 蒙特卡洛树搜索节点与完整搜索流程 selfplay.py # 自我对弈数据生成用于后续训练 play.py # 命令行人机对弈入口逻辑说明棋盘规则文件不应该 import 模型文件否则一旦你想换一种网络结构会连规则代码一起改动。MCTS 只依赖两个外部接口一是“给定局面返回策略概率”二是“给定局面返回价值估计”而不是直接操作 pytorch 权重。这样分层的好处是能分别测试规则、网络和搜索先用纯规则做落子合法性校验再随机权重跑一次树搜索最后才接上训练好的权重。参数说明上面的“go/”只是一个示意目录名实际源码里可能是“board.py”“policy.py”这样的名字但你不必被文件名捆住按功能的单向依赖关系去找即可。判断标准只有一个如果从 mcts.py 里能看到 CNN 的卷积核尺寸说明模块边界已经污染了。2.2 棋盘状态用 1/0/2 表示合法落子位置必须生成掩码围棋盘面最小的表示方法是一个二维数组0 表示空1 表示黑子2 表示白子。很多初学者会在这一步把棋盘直接塞给神经网络但神经网络不关心“提子”“眼”“劫”这些语义它只关心固定形状的输入张量。因此源码里通常会有一个独立函数把棋盘翻译成多个特征平面。下面这段代码是棋盘类的简化骨架重点看“合法动作掩码”的生成方式class GoBoard: def __init__(self, size19): self.size size self.board [[0] * size for _ in range(size)] self.current_player 1 # 1 黑2 白 def legal_mask(self): mask [] for r in range(self.size): row [] for c in range(self.size): # 这里应检查自填、打劫、重复局面等规则 row.append(1 if self.board[r][c] 0 else 0) mask.append(row) return mask逻辑说明legal_mask输出的二维 mask 会让 MCTS 把所有合法落点统一处理。树搜索选择节点时会对 mask 为 0 的位置做概率重归一化保证强先验不会推荐一个已经不能落子的坐标。参数说明current_player必须显式记录因为神经网络的输入特征里要有“当前执黑还是执白”的通道如果只靠棋盘里的棋子颜色判断类似“黑白两边同样形状但轮到谁走”的镜像局面会让网络输出完全不同的策略不加这一维特征网络根本分不清先后手。2.3 深度网络吃进 17 张特征图吐出让树搜索参考的概率AlphaGo Zero 使用的围棋输入是 8 个过去局面叠加成 17 层特征图每层都是 19×19当前局面之前 8 步中每步用两层分别表示我方棋子和对方棋子第 17 层是一个全 1 的当前执子方通道。PyTorch 版本里网络定义大致长这样import torch import torch.nn as nn class PolicyValueNet(nn.Module): def __init__(self, board_size19, num_planes17): super().__init__() self.conv nn.Sequential( nn.Conv2d(num_planes, 32, kernel_size3, padding1), nn.BatchNorm2d(32), nn.ReLU(), nn.Conv2d(32, 64, kernel_size3, padding1), nn.BatchNorm2d(64), nn.ReLU() ) self.policy_head nn.Conv2d(64, 1, kernel_size1) self.value_head nn.Conv2d(64, 1, kernel_size1) def forward(self, x): x self.conv(x) policy torch.tanh(self.policy_head(x)).view(x.size(0), -1) value torch.tanh(self.value_head(x)).view(x.size(0), -1) return policy, value逻辑说明policy输出维度是网络输出层的节点数等于 19×19 再额外加一个 Pass。MCTS 选择子节点时读的是 softmax 之后的先验概率而value是标量胜率范围被tanh限制在 -1 到 1 之间。要注意的是BatchNorm2d在推理模式下会使用训练阶段累积的均值方差所以加载权重后必须调用model.eval()否则树搜索每次前向推理的数值都不稳定。参数说明上面简化网络把value展平成N×1实际工程里更常见的是先做全局平均池化再接全连接层。你不需要改num_planes除非源码用的是 AlphaGo 原版而非 Zero 版本原版里还要加入手工灵魂特征和当前局面特征特征平面数量会超过 40。2.4 UCB 公式怎么写才是“蒙特卡洛树搜索”不是随机下棋蒙特卡洛树搜索的核心是选择性忘掉“均匀随机模拟”的旧套路改成按 UCB 类公式选择节点。围棋机器人的实现一般遵循下面的公式import math def ucb_score(parent_visits, node_visits, win_rate, prior, c_puct1.4): return win_rate c_puct * prior * math.sqrt(parent_visits) / (1 node_visits)逻辑说明win_rate是当前子节点累计价值估计数值越接近 1 代表这个分支越被看好prior是深度学习策略网络给出的先验概率负责把搜索引向“人类看起来合理”的位置。c_puct控制探索强度值越大越倾向于尝试先验概率高但访问次数还很少的点值越小越倾向于追着当前胜率最高的点猛挖。参数说明这里的node_visits在分母位置加了 1是为了避免新节点访问次数为 0 时出现除零错误。实际搜索中每个节点的胜率往往被存储为“当前执子方视角”而不是“根节点执子方视角”否则回溯时会漏掉“换手”的一层正负号。从工程角度你读源码时应先确认 MCTS 节点类里有没有累计visit_count和total_value两个字段。如果只有 visit_count 而没有 total_value那它在回溯时一定用了某种增加式更新方式两种写法都成立但排查价值时前者更直观。class MCTSNode: def __init__(self, parentNone, prior0.5): self.parent parent self.prior prior self.children {} self.visit_count 0 self.total_value 0.0这段节点结构说明访问次数增长由回溯阶段驱动每次走到叶子节点并完成一次模拟后从根节点到该叶子路径上的每个节点都会把visit_count加 1同时把叶子节点的价值加到total_value。下一步选择子节点时win_rate total_value / visit_count。3. 把源码跑在本地从 Python 环境配置到最小对弈命令3.1 深度学习环境配置先装 torch 还是先装 numpy拿到此类源码后最常见的失败点是环境冲突而不是算法代码错误。源码里凡是写“基于深度学习”的围棋项目基本都要用 PyTorch 或 TensorFlow如果电脑里已经有 TensorFlow再装一个 PyTorch 往往能共存但 CUDA 版本不同会导致某一套无法调用 GPU。更稳妥的做法是新建独立虚拟环境把深度学习依赖全部隔离在里面。python -m venv .venv source .venv/bin/activate pip install --upgrade pip pip install numpy torch pip install gym # 仅当源码需要环境接口时才需要可先跳过命令逻辑说明python -m venv用当前解释器创建虚拟环境激活后所有包都装到项目.venv目录里不影响系统 Python。torch会自动带 numpy 依赖但显式安装 numpy 可以避免源码里用np.random时因为 torch 依赖版本不一致出现小版本错误。参数说明如果你没有 NVIDIA GPU 或不想折腾 CUDA千万别直接跑默认的 pip install torch 再抱怨它把 2GB 下下来。常见做法是先确认 PyTorch 官方安装命令CPU 版一般用pip install torch --index-url https://download.pytorch.org/whl/cpu这样的显式 CPU 渠道避免安装带 CUDA 的预编译包后加载失败。装完后用python -c import torch; print(torch.__version__)验证这一步能过滤掉超过一半的环境配置问题。3.2 加载训练好的权重把局面变成概率源码里通常会给一个model.py或者network.py来定义网络结构权重文件常见的扩展名是.pth、.pt或.pth.tar。权重加载的坑在于 PyTorch 的torch.load默认会把张量绑定到原来的设备比如在训练机上保存的对象类型可能是 GPU tensor换到无 GPU 的机器上就报 “Attempting to deserialize object on a CUDA device”。我要在推理入口加一句map_locationcpuimport torch import torch.nn.functional as F def load_network(path, board_size19): model PolicyValueNet(board_sizeboard_size) state torch.load(path, map_locationcpu) if state_dict in state: state state[state_dict] model.load_state_dict(state) model.eval() return model def policy_inference(model, board_tensor): with torch.no_grad(): logits, value model(board_tensor.unsqueeze(0)) probs F.softmax(logits, dim1).squeeze(0) return probs, value.item()逻辑说明board_tensor.unsqueeze(0)把一个 17×19×19 的特征张量变成 1×17×19×19这个批维是 CPU/GPU 一次性算多个局面时预留的。torch.no_grad()关闭自动微分图树搜索在一次对局里往往要跑几百上千次前向推理开着 grad 会让显存持续堆积速度也会掉一个量级。参数说明load_state_dict要求模型结构严格匹配权重里的层名。如果加载时报 unexpected key 或 missing key优先怀疑的是源码网络定义文件与权重不匹配而不是权重损坏。常见做法是打印 state dict 的 key 列表和模型 named_parameters 的 key 列表做 diff两个列表完全一致再继续排查。3.3 从终端开始一局人机对弈最小启动命令确认权重能加载后不要急着点训练先跑一局人机对弈看整条链路是否通。源码里的入口文件名不确定但命令行参数基本围绕“棋盘大小、搜索次数、是否用 GPU、PASS 规则”这几个方向设计。一个比较通用的启动命令如下python play.py --board-size 9 --ai mcts --playouts 1000 --temperature 0.1命令逻辑说明--board-size 9先在小棋盘上验证因为 19 路的搜索宽度会让单次playout时间不可接受。--playouts 1000指每回合蒙特卡洛树搜索从根节点向下模拟 1000 次它几乎成正比地关系着单步思考时间。--temperature 0.1是根节点采样温度温度越低越倾向选访问次数最高的点适合验证“AI 是否真的在按策略走”。如果源码没有命令行参数也不要慌直接改play.py里的全局常量即可。我一般会先搜索文件顶层有没有BOARD_SIZE、N_PLAYOUTS、TEMPERATURE之类的赋值把它们改成上面同样的值。接下来你只需要按提示输入坐标比如a1或H8就能看到策略网络和 MCTS 一起工作的效果。3.4 用自对弈生成数据检查代码路径是否完整人机对弈只能验证界面层真正考验“深度学习 蒙特卡洛树搜索”耦合是否正确的是自对弈脚本。自对弈会反复执行“MCTS 选点 - 落子 - 收集训练样本 - 终局判分”这一循环如果这个循环跑不出合法 SGF 文件那么后续无论你调什么参数都白搭。python selfplay.py --games 5 --simulation 200 --record sgf_output命令逻辑说明--games 5先生成 5 盘棋每盘棋会分别执行数次甚至数十次棋盘前向推理。--simulation 200可以设置得比人机对弈低很多因为自对弈只是验证模块回路不需要下得很强。--record sgf_output把对局记录输出到目录之后你可以用第 5 章里的回放脚本逐手检查落子是否合法。如果自对弈在第二步就报IndexError十有八九是策略网络输出的概率向量长度和棋盘坐标映射不一致网络输出 361 个概率但代码里用np.argmax之后除以 19 得到坐标时忘了 P451 维。正确的做法是把概率 reshape 成 19×19再与合法动作 mask 相乘。这也是整个源码里最容易出 bug 的地方之一。4. 调参优化让源码里的 MCTS 和深度学习互相配合4.1 MCTS 的三个必调参数c_puct、playouts、temperature运行起来之后源码里的棋力瓶颈往往不在网络本身而在 MCTS 的采样策略。下面三个参数是必须看懂的也是你拿去跑不同规模棋盘时最常改的参数常见默认值作用调低/调高后的表现c_puct1.4控制先验概率与访问频率的平衡调低后搜索趋向“只走胜率高的点”调高后会尝试更多新变化playouts800 到 1200决定每次落子的搜索深度调低后每步很快但棋感粗糙调高后更准但耗时线性增长temperature开局 1.0终局 0.1控制根节点采样随机性调高会让开局更分散调低会让终局更确定在黑白双方都不敢贸然动手的布局阶段传统命令行程序会用温度采样来增加多样性。代码一般会写在 MCTS 返回落子结果的时候def choose_action_by_temperature(root, temperature): visits [] children list(root.children.values()) for child in children: visits.append(child.visit_count) visits np.array(visits, dtypenp.float64) if temperature 1e-8: action int(np.argmax(visits)) else: wins visits ** (1.0 / temperature) probs wins / wins.sum() action np.random.choice(len(children), pprobs) return action逻辑说明temperature降到接近 0 时直接用argmax选访问次数最多的点此时不需要考虑随机采样也能避免1/temperature溢出。temperature比较高时访问次数先做指数缩放再归一化成概率这样做既能保留“访问次数多的点更可能被选”的倾向又不会让所有对局都走同一条路线。参数说明有些源码里的temperature是 float传成整数0会直接触发1/0的除零错误。我在写这种函数时一般会加if temperature 1e-8的防御判断而不是直接判等于 0。4.2 给根节点加 Dirichlet 噪声不然强先验会让树搜索变成策略网络复读机深度网络策略一旦训练成熟它的概率分布会非常尖锐某些局面下 90% 的概率都集中在同一个落点。如果 MCTS 初始根节点的 prior 直接用这个概率搜索会很快收敛到单一方向完全失去“探索其他可能变化”的能力。AlphaGo Zero 论文里用的办法是给根节点先验加 Dirichlet 噪声def add_dirichlet_noise(root, child_priors, alpha0.03, epsilon0.25): noise np.random.dirichlet([alpha] * len(child_priors)) for i, child in enumerate(root.children.values()): child.prior (1 - epsilon) * child_priors[i] epsilon * noise[i]逻辑说明alpha控制噪声分布的集中程度19 路围棋常用0.03当棋盘缩小到 9 路时常数需要按棋盘点数缩放否则噪声会在过小的棋盘中产生过大扰动。epsilon表示原始先验被替换的比例0.25 的含义是“整体分布的 25% 来自随机噪声75% 来自策略网络”。参数说明Dirichlet 噪声只在根节点加不要加到中间层节点。因为中间层节点代表“假设已经走到的局面”它的先验需要用来刻画“黑方在已知局面下的正确策略”不需要再用随机扰动来制造多样性。这个区分也是检查自己实现是不是“AlphaGo Zero 式”的关键点。4.3 推理放 GPU 还是 CPU先解决四个常见的“慢”来源很多人在源码里把 playouts 调到 2000 以后发现每步棋要思考 30 秒以上。先用推理代码里是不是做了没有必要的开销再决定上不上 GPU。我遇到的四个主要慢来源如下第一没有关掉自动求导。只要 inference 阶段没有torch.no_grad()每一次前向都会构建计算图CPU 推理时间直接翻倍。第二模型没有固定到同一个设备。模型在cuda输入张量却在cpu上PyTorch 不会立刻报错但每次都会做一次设备拷贝。第三MCTS 每走一个子节点都重新拼一次全部历史局面特征。特征计算应该缓存复用一个只增不减的列表而不是在每次递归选点时从头算 17 层平面。第四单次推理 batch_size 为 1。自对弈时如果想提速可以把当前层的所有叶子节点打包成一个 batch 同时推理。下面这段代码演示了在已有模型上同时打开推理模式和半精度model.eval() model.inference_mode() # PyTorch 2.x 也可用 torch.inference_mode() 包裹整段 if torch.cuda.is_available(): model model.half()逻辑说明model.half()把权重转为 FP16在支持半精度运算的 GPU 上能明显加速大规模 MCTS但在 CPU 上反而可能更慢所以这个分支一定要检查是否有 CUDA 设备。torch.inference_mode()比no_grad更加彻底它完全禁用自动求导推理代码不允许再调用会把张量重新变成需要梯度的操作。如果你实在不知道慢在哪就用 Python 自带性能分析器跑一次python -m cProfile -s cumtime play.py --ai mcts --playouts 400命令逻辑说明cProfile会把每个函数的累计执行时间排序输出结果里排名靠前的函数如果是policy_inference说明瓶颈在神经网络推理如果是ucb_score或select_child说明树节点访问次数太多且数据结构里采用了线性查找。后者可以考虑把子节点存放从 list 改成 dict 或直接用坐标哈希表。5. 从源码出发用回放和 GTP 扩展你的围棋机器人5.1 用 SGF 回放定位“败招”价值曲线和策略自信度程序下完一盘之后不应该只留一个胜负结果。常见做法是写一个回放脚本读取 SGF然后对每一手棋重新调用策略网络记录下“网络认为这一步胜率是多少”。这个过程中你能直观看到哪一手棋让价值曲线突然跳水。回放代码可以这样写def replay_with_value(path, model): board GoBoard() for node in sgf_iterate(path): # 解析 SGF 主变返回每一步落子 state_tensor encode_board(board) _, value policy_inference(model, state_tensor) print(node.move, round(value, 3)) board.apply_move(node.move)逻辑说明value.item()返回的值是从当前执子方视角看出的胜率假设黑方胜率为 0.7轮到白方时的同局面图标会变成 -0.7所以回放时不要只看单点数值要看“相对于前一手的变化幅度”。如果某手落子后价值从 0.55 瞬间跌到 0.1通常就是源码里 MCTS 因为 playouts 不够没有发现对手的反击。参数说明encode_board必须和训练时保持一致特别是历史局面层数的取值来源有些源码保存 SGF 时会额外记录前三手但特征编码里第八手之前需要填零这一细节错了会导致回放价值曲线完全没有参考意义。5.2 把机器人接成 GTP 引擎图形客户端就能指挥它下棋当你不满足于在终端里键入坐标可以把对弈入口改造成 GTP 协议。GTP 是图形界面和围棋程序之间的文本协议核心只有几个命令play表示对方落子genmove表示让程序生成一手棋quit表示退出。源码里通常会有 MCTS 对外接口你只需要在 while 循环里逐行读标准输入并打印结果import sys def gtp_loop(search_fn): board GoBoard() for line in sys.stdin: cmd line.strip().split() if cmd[0] play: board.apply_move(parse_vertex(cmd[1])) print( \n\n) elif cmd[0] genmove: move search_fn(board) board.apply_move(move) print(f {format_vertex(move)}\n\n) elif cmd[0] quit: print( \n\n) return逻辑说明GTP 的响应必须以开头行尾要留一个空行这是协议给图形客户端判断“响应已完整”的停靠标记。把print的输出重定向到标准输出即可但注意不要在多进程或并行搜索时让调试日志混进标准输出否则客户端会把日志当成响应解析失败。参数说明parse_vertex负责把图形界面传来的d4这类坐标转换成棋盘数组下标最容易出错的是字母i在围棋中一般不用作坐标列号这是为了避免与数字1混淆的习惯。编程时也应当让 GTP 命令boardsize 9能重新初始化棋盘因为图形客户端通常先发boardsize再开始对弈。按这套接口写完任何支持 GTP 的开放图形前端都会把你这份 Python 围棋机器人当成熟人引擎来驱动。本文还有配套的精品资源点击获取
)
)
