与使用强化学习训练并使用 TensorFlow Lite 部署的代理玩棋盘游戏。
入门
如果您是 TensorFlow Lite 的新手，并且正在使用 Android，我们建议您探索以下示例应用程序，它可以帮助您入门。
如果您使用的是 Android 以外的平台，或者您已经熟悉 TensorFlow Lite API，您可以下载我们训练的模型。
工作原理
该模型是为游戏代理构建的，用于玩一个名为“飞机攻击”的小型棋盘游戏。有关此游戏及其规则的快速介绍，请参阅此 README。
在应用程序 UI 的下方，我们构建了一个与人类玩家对战的代理。该代理是一个 3 层 MLP，它将棋盘状态作为输入，并输出对 64 个可能的棋盘单元格的每个单元格的预测得分。该模型使用策略梯度 (REINFORCE) 进行训练，您可以在 此处 找到训练代码。训练完代理后，我们将模型转换为 TFLite 并将其部署到 Android 应用程序中。
在 Android 应用程序中的实际游戏过程中，当轮到代理采取行动时，代理会查看人类玩家的棋盘状态（底部的棋盘），其中包含有关先前成功和不成功攻击（命中和未命中）的信息，并使用训练的模型来预测下一步攻击的位置，以便它可以在人类玩家之前完成游戏。
性能基准
性能基准数字是使用 此处 描述的工具生成的。
| 模型名称 | 模型大小 | 设备 | CPU |
|---|---|---|---|
| 策略梯度 | 84 Kb | Pixel 3 (Android 10) | 0.01ms* |
| Pixel 4 (Android 10) | 0.01ms* |
* 使用了 1 个线程。
输入
该模型接受 (1, 8, 8) 的 3-D float32 张量作为棋盘状态。
输出
该模型返回形状为 (1,64) 的 2-D float32 张量，作为对 64 个可能的攻击位置的每个位置的预测得分。
训练您自己的模型
您可以通过更改 训练代码 中的 BOARD_SIZE 参数来训练您自己的模型，用于更大/更小的棋盘。