リバーシZero

AlphaZeroのアルゴリズムでリバーシするAI作った。

序盤（自分: 黒，AI: 白）

終盤（負けた。。。）

コード

game.py: ゲーム状態
dual_network.py: デュアルネットワーク
pv_mcts.py: モンテカルロ木探索
self_play.py: セルフプレイ
train_network.py: パラメータ更新
evaluate_network.py: 新パラメータの評価
evaluate_best_player.py: ベストプレーヤーの評価
train_cycle.py: 学習サイクル
human_play.py: ゲームUI（tkinter）
human_play.py2: ゲームUI（kivy）