Skip to content

Projet contenant mes tests sur la fabrication d'une IA pour jouer aux échecs, fonctionnant uniquement en Deep Learning, en utilisant PyTorch. Le but est de voir ce qui est possible de faire en contraste avec les méthodes classiques de recherche d'arbre de jeu (minimax, alpha-beta pruning, etc.) n'utilisant que des algorithmes heuristiques.

License

Notifications You must be signed in to change notification settings

Athroniaeth/chess_pytorch_ai

Repository files navigation

chess_pytorch_ai

Introduction

Projet contenant mes tests sur la fabrication d'une IA pour jouer aux échecs, fonctionnant uniquement en Deep Learning, en utilisant PyTorch. Le but est de voir ce qui est possible de faire en contraste avec les méthodes classiques de recherche d'arbre de jeu (minimax, alpha-beta pruning, etc.) n'utilisant que des algorithmes de notation et heuristiques.

Structure

├── src               <- Code source du projet
├── docs              <- Documentation du projet
│   └── static        <- Fichiers statiques du README.md
├── tests             <- Dossier contenants les tests logiciels
│   ├── units            <- Tests unitaires
│   └── integrations     <- Tests d'intégration
├── scripts           <- Scripts utiles pour le projet (pas de CI/CD)
├── ruff.toml         <- Fichier de configuration de Ruff
├── environment.yml   <- Fichier de configuration de l'environnement conda

Installation

Ce projet nécessite d'avoir conda d'installé. Pour installer les dépendances, il suffit de lancer la commande suivante :

conda env create -f environment.yml

Vous pouvez mettre à jour l'environnement avec la commande suivante :

conda env update -f environment.yml

Utilisation

Ce projet utilise typer pour créer une interface en ligne de commande. Pour lancer l'aide aux commandes, il suffit de lancer la commande suivante :

python src

Documentation

Ce projet est documenté en utilisant mkdocs. Pour lancer la documentation, il suffit de lancer la commande suivante :

mkdocs serve

Et de se rendre à l'adresse http://localhost:8000 pour consulter la documentation.

About

Projet contenant mes tests sur la fabrication d'une IA pour jouer aux échecs, fonctionnant uniquement en Deep Learning, en utilisant PyTorch. Le but est de voir ce qui est possible de faire en contraste avec les méthodes classiques de recherche d'arbre de jeu (minimax, alpha-beta pruning, etc.) n'utilisant que des algorithmes heuristiques.

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published