Facebook研究开放三个新框架

是深度学习领域研究和开源框架的定期贡献者。从PyTorch到ONNX, FAIR团队为实现深度学习应用程序的简化做出了不可思议的贡献。在过去几周里，FAIR增加了三个新的系列开源框架。

Polygames

Polygames是一个开源的研究框架，通过自我游戏的方式来训练深度学习网络。Polygames基于著名的“零学习”概念，即允许代理无需进行任何预先设定的训练，而是通过与环境交互来掌握环境。

乍看之下，Polygames似乎与Alpha Zero或ELF OpenGo等其他游戏学习框架类似，但FAIR堆栈也有自己的贡献。对于初学者来说，Polygames支持更广泛的战略游戏列表，如Hex、Havannah、Minishogi、Connect6、Minesweeper、Mastermind、EinStein wurfelt nicht!、Nogo和Othello。他们为研究人员提供了更广泛的环境来测试深度学习网络。

此外，Polygames还以一个巧妙的架构扩展了传统的零学习概念，该架构结合了深度神经网络和蒙特卡罗树搜索方法。这种架构允许网络泛化到更多的任务和环境。Polygames框架的一个意想不到的好处是代理中神经可塑性的创建。Polygames的模型是渐进式的——框架带有一个用于添加新层和通道或增加内核宽度的脚本——它们能够进行热启动训练，允许神经网络随训练成长。

从编程模型的角度来看，Polygames提供了一个包含游戏的库，以及一个实现游戏的单文件API。开发人员的经验是基于PyTorch的，因此易于上手。

FAIR团队在Polygames上取得了一些里程碑式的成绩，包括在Hex19游戏中击败人类优秀玩家。该游戏由诗人、数学家皮特·海因(Piet Hein)、 约翰·纳什(John Nash)和经济学家于20世纪40年代开发，它挑战了一些传统的人类游戏思维过程。规则很简单。黑色和白色依次填充一个空单元格。如果把北方和南方连接起来，黑人就赢了;如果把西方和东方连接起来，白人就赢了。馅饼规则使游戏更加公平:在第二次移动时，第二个玩家可以决定交换颜色。

这款游戏之所以困难，是因为作为一款连接游戏，它的奖励是基于全局而非局部的标准。

在一系列的实验中，Polygames在Hex游戏中击败了人类中的优秀玩家。结果如下图所示，在图中，人类玩家操纵白色棋子。第一个图像表示Hex的开局。在游戏的第二阶段，人类(白色)似乎赢了——两个坚实的组分别连接到东和西，并互相互靠近连接。然而，Polygames能够扭转这种局面，创造了一个相当复杂的中心位置。随着Poly

（编辑：信阳站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!