Архитектура нейронной сети для Гомоку

Эта нейронная сеть предназначена для игры в Гомоку, где нужно ставить фишки на поле 15x15. Она умеет:

• Предлагать лучший ход (policy)
• Оценивать позицию (value)

Как сеть "видит" поле

На вход подаётся поле 15x15 с двумя каналами:

• Первый канал — позиции текущего игрока
• Второй канал — позиции противника

Свёрточные слои (извлечение признаков)

conv1 = register_module("conv1",
    torch::nn::Conv2d(torch::nn::Conv2dOptions(2, 64, 3).padding(1)));
conv2 = register_module("conv2",
    torch::nn::Conv2d(torch::nn::Conv2dOptions(64, 64, 3).padding(1)));
conv3 = register_module("conv3",
    torch::nn::Conv2d(torch::nn::Conv2dOptions(64, 128, 3).padding(1)));

Эти слои анализируют поле. Каждый слой ищет всё более сложные паттерны:

• conv1 — простые формы (линии, соседние клетки)
• conv2 — комбинации (угрозы, пары)
• conv3 — сложные структуры (почти выигрышные позиции)

В Conv2dOptions первые два параметра - это количество входных и выходных каналов. Третий параметр определяет размер сканирующего ядра (3 на 3). Padding=1 позволяет сохранять размер поля 15x15. Первому слою приходят на вход два канала - это позиции игрока, который должен походить следующим (первый канал, ноль либо еденица для каждой из 225 клеток) и во втором канале точно также передаются позиции игрока который ходил только что. Первый слой имеет 64 выхода, которые поступают на второй слой, и т.д. (см. схему).

Policy head (выбор хода)

policy_conv = register_module("policy_conv",
    torch::nn::Conv2d(torch::nn::Conv2dOptions(128, 2, 1)));
policy_fc = register_module("policy_fc",
    torch::nn::Linear(2 * 15 * 15, 225));

Этот блок отвечает за выбор хода:

• Сжимает информацию
• Преобразует её в 225 значений (по одному на каждую клетку)

Value head (оценка позиции)

value_conv = register_module("value_conv",
    torch::nn::Conv2d(torch::nn::Conv2dOptions(128, 1, 1)));
value_fc1 = register_module("value_fc1",
    torch::nn::Linear(15 * 15, 64));
value_fc2 = register_module("value_fc2",
    torch::nn::Linear(64, 1));

Этот блок оценивает позицию:

• -1 — проигрыш
• 0 — равная позиция
• +1 — выигрыш

Прямой проход (forward)

std::pair<torch::Tensor, torch::Tensor> forward(torch::Tensor x) {
    x = torch::relu(conv1->forward(x));
    x = torch::relu(conv2->forward(x));
    x = torch::relu(conv3->forward(x));

    auto p = policy_conv->forward(x);
    p = p.view({p.size(0), -1});
    p = policy_fc->forward(p);

    auto v = torch::relu(value_conv->forward(x));
    v = v.view({v.size(0), -1});
    v = torch::relu(value_fc1->forward(v));

    if (this->is_training()) {
        v = torch::dropout(v, 0.15, true);
    }

    v = torch::tanh(value_fc2-> forward(v));

    return {p, v};
}

Что происходит:

1. Сеть анализирует поле
2. Policy предлагает ходы
3. Value оценивает позицию
4. Dropout уменьшает переобучение

Итог

Сеть одновременно думает "куда ходить" и "насколько всё хорошо". Это делает её гораздо сильнее простых алгоритмов.