gomoku-baseline

Это стратегическая сеть для freestyle-гомоку на доске 15×15: без запрещённых ходов, побеждает пять и более камней в ряд. Модель на PyTorch содержит 185 724 параметра и за один прямой проход выдаёт оценку для каждой клетки — выбирается лучший легальный ход. Автор — w2Tao.

🔤 Ключевые особенности

• 1⃣ Архитектура ValuePolicyNet: stem 3×3, 4 residual-блока, отдельные value- и policy-головы.
• 2⃣ Вход — три плоскости 15×15: свои камни, камни соперника и последний ход оппонента.
• 3⃣ Рецептивное поле 19 ≥ 15, поэтому каждый выход видит всё поле.
• 4⃣ Обучение в два этапа: дистилляция с эвристики на 150 тыс. позиций, затем файнтюн на 500 тыс. позиций из партий Gomocup.
• 5⃣ Без поиска, VCF и проверки двойных троек — только прямой проход сети.

3⃣ Пример

import torch
from model import ValuePolicyNet

ck = torch.load('model.pt', map_location='cpu', weights_only=False)
net = ValuePolicyNet(**ck['config']).eval()
_, policy = net(x)  # x: (N, 3, 15, 15) float32
move = policy[0].masked_fill(occupied, float('-inf')).argmax().item()

Подробнее

Против замороженной эвристики (VCF глубины 7 + двойные тройки): 65,5% в 200 партиях.
Абляции: только дистилляция — 47,0% против учителя, только партии Gomocup — 57,5%, двухэтапная схема — 65,5%.
Ограничения: нет поиска, дебюты ограничены 12 стартовыми позициями, метки — не оптимальные значения; у данных нет явной лицензии.
Вход: (N, 3, 15, 15), индекс хода: r * 15 + c.