Merge pull request #15 from kobanium/develop

fix#12 and support komi and get_komi GTP command

README.md

@@ -115,7 +115,7 @@ Policyの値による色付けはPolicyの値が大きいほど赤く、小さ
     - [x] 碁盤の操作 : boardsize, clear_board
     - [x] 碁盤の表示 : showboard, showstring
     - [x] 着手 : play, genmove
-    - [ ] コミの設定と取得 : komi, get_komi
+    - [x] コミの設定と取得 : komi, get_komi
     - [x] コマンドの確認 : known_command, list_commands
     - [x] SGFファイルの読み込み : load_sgf
   - 大会参加時に必要なコマンド

board/go_board.py

@@ -15,15 +15,17 @@
 class GoBoard: # pylint: disable=R0902
     """碁盤クラス
     """
-    def __init__(self, board_size: int, check_superko: bool=False) -> NoReturn:
+    def __init__(self, board_size: int, komi: float=7.0, check_superko: bool=False) -> NoReturn:
         """碁盤クラスの初期化
 
         Args:
             board_size (int): 碁盤の大きさ。
-            check_superko (bool): 超劫の判定有効化。
+            komi (float): コミの値。デフォルト値は7.0。
+            check_superko (bool): 超劫の判定有効化。デフォルト値はFalse。
         """
         self.board_size = board_size
         self.board_size_with_ob = board_size + OB_SIZE * 2
+        self.komi = komi
 
         def pos(x_coord, y_coord):
             return x_coord + y_coord * self.board_size_with_ob
@@ -313,6 +315,22 @@ def get_symmetrical_coordinate(self, pos: int, sym: int) -> int:
         """
         return self.sym_map[sym][pos]
 
+    def set_komi(self, komi: float) -> NoReturn:
+        """コミを設定する。
+
+        Args:
+            komi (float): 設定するコミの値。
+        """
+        self.komi = komi
+
+    def get_komi(self) -> float:
+        """現在のコミの値を設定する。
+
+        Returns:
+            float: 現在のコミの値。
+        """
+        return self.komi
+
 
 def copy_board(dst: GoBoard, src: GoBoard):
     """盤面の情報をコピーする。

gtp/client.py

@@ -27,7 +27,7 @@ class GtpClient: # pylint: disable=R0903
     """_Go Text Protocolクライアントの実装クラス
     """
     def __init__(self, board_size: int, superko: bool, \
-        model_file_path: str, use_gpu: bool, policy_move) -> NoReturn:
+        model_file_path: str, use_gpu: bool, policy_move: bool, komi: float) -> NoReturn: # pylint: disable=R0913
         """Go Text Protocolクライアントの初期化をする。
 
         Args:
@@ -36,6 +36,7 @@ def __init__(self, board_size: int, superko: bool, \
             model_file_path (str): ネットワークパラメータファイルパス。
             use_gpu (bool): GPU使用フラグ。
             policy_move (bool): Policyの分布に従って着手するフラグ。
+            komi (float): コミの値。
         """
         self.gtp_commands = [
             "version",
@@ -57,7 +58,7 @@ def __init__(self, board_size: int, superko: bool, \
             "gogui-analyze_commands"
         ]
         self.superko = superko
-        self.board = GoBoard(board_size=board_size, check_superko=superko)
+        self.board = GoBoard(board_size=board_size, komi=komi, check_superko=superko)
         self.coordinate = Coordinate(board_size=board_size)
         self.gogui_analyze_command = [
             GoguiAnalyzeCommand("cboard", "Display policy distribution (Black)", \
@@ -153,12 +154,12 @@ def _list_commands(self) -> NoReturn:
     def _komi(self, s_komi: str) -> NoReturn:
         """komiコマンドを処理する。
         入力されたコミを設定する。
-        TODO
 
         Args:
             s_komi (str): 設定するコミ。
         """
         komi = float(s_komi)
+        self.board.set_komi(komi)
         self._respond_success("")
 
     def _play(self, color: str, pos: str) -> NoReturn:
@@ -259,9 +260,8 @@ def _time_left(self) -> NoReturn:
 
     def _get_komi(self) -> NoReturn:
         """get_komiコマンドを処理する。
-        TODO
         """
-        self._respond_success("7.0")
+        self._respond_success(str(self.board.get_komi()))
 
     def _showboard(self) -> NoReturn:
         """showboardコマンドを処理する。

main.py

@@ -19,18 +19,21 @@
     help="ニューラルネットワークの計算にGPUを使用するフラグ。デフォルトはFalse。")
 @click.option('--policy-move', type=click.BOOL, default=False, \
     help="Policyの分布に従った着手生成処理フラグ。デフォルトはFalse。")
-def gtp_main(size: int, superko: bool, model:str, use_gpu: bool, policy_move: bool):
+@click.option('--komi', type=click.FLOAT, default=7.0, \
+    help="コミの値の設定。デフォルトは7.0。")
+def gtp_main(size: int, superko: bool, model:str, use_gpu: bool, policy_move: bool, komi: float): # pylint: disable=R0913
     """GTPクライアントの起動。
 
     Args:
         size (int): 碁盤の大きさ。
         superko (bool): 超劫の有効化フラグ。
         model (str): プログラムのホームディレクトリからのモデルファイルの相対パス。
-        use_gpu (bool):  ニューラルネットワークでのGPU使用フラグ。
+        use_gpu (bool):  ニューラルネットワークでのGPU使用フラグ。デフォルトはFalse。
         policy_move (bool): Policyの分布に従った着手生成処理フラグ。デフォルトはFalse。
+        komi (float): コミの値。デフォルトは7.0。
     """
     program_dir = os.path.dirname(__file__)
-    client = GtpClient(size, superko, os.path.join(program_dir, model), use_gpu, policy_move)
+    client = GtpClient(size, superko, os.path.join(program_dir, model), use_gpu, policy_move, komi)
     client.run()
 
 

mcts/constant.py

@@ -11,4 +11,4 @@
 PLAYOUTS = 100
 
 # 探索時のミニバッチサイズ
-NN_BATCH_SIZE = 1
+NN_BATCH_SIZE = 1

mcts/tree.py

@@ -180,7 +180,7 @@ def process_mini_batch(self, board: GoBoard): # pylint: disable=R0914
 
                 self.node[leaf[0]].set_leaf_value(leaf[1], value)
 
-                for index, child_index in path:
+                for index, child_index in reverse_path:
                     self.node[index].update_child_value(child_index, value)
                     self.node[index].update_node_value(value)
                     value = 1.0 - value

program.py

@@ -11,4 +11,5 @@
 #                 Policy Networkを使用した着手生成ロジックの実装。
 # Version 0.2.1 : Residual Blockの構造を修正。学習の再実行。
 # Version 0.3.0 : モンテカルロ木探索の実装。
-VERSION="0.3.0"
+# Version 0.3.1 : モンテカルロ木探索のValue更新処理のバグ修正。komi, get_komiコマンドのサポート。
+VERSION="0.3.1"