wfGo 围棋 AI训练 ANN训练
前言
wfGo 是笔者大学毕设作品，这几天有时间把它整理一下。该项目已在github开源，有需要的小伙伴可以看第一篇博客的末尾获取git地址：
https://blog.csdn.net/wf824284257/article/details/104085281
本文介绍了 wfGo的 AI训练模式 。
使用VS2017+打开项目即可。
开始
进入client端的主界面后，点击【ANN训练】 按钮，即可进入AI训练模式。
根据下图所示，依次走1234这4步。
之后，直接点击下图的 开始训练按钮即可。 点击后，下面【正在分析文件】会显示当前的进度。此时只需要等待完成。
当出现 【save weight ok】 的弹窗时，训练结束。
算法分析
此处使用的神经网络为BP神经网络，训练时，读入weight.txt的参数，训练完后，将新参数保存在weight.txt 。 这样保证了每次的训练成果没有浪费。
学习的数据为sgf类型的棋谱。 若一个sgf棋谱一共有200手棋，则对于该棋谱，学习节点共有200个。学习节点是一个数据结构，包含了一个棋盘矩阵与下一步的落子点。学习的过程大概是使用【学习节点】中的 落子点，作为对应棋盘矩阵的指导输出值，来训练我们的BP神经网络，不断的调整其中的参数。每个sgf可以重复多次训练。client项目中包含了大量的sgf文件。 sgf文件可以从网上下载。