Skip to content

windshadow233/Mahjong-AI

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

27 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

基于Suphx的立直麻将AI

妄图通过复现Suphx模型来训练一个帮我冲段的麻将AI

数据下载

有监督学习部分,需要人类高质量对局作为参考,因此采用最高水平麻雀平台「天凤」的凤凰桌的对局牌谱作为数据来源。

下载近期数据

$ python dataset/download_logs.py  # 下载天凤平台7日内游戏对局日志到logs目录
$ python dataset/download_data.py  # 通过前面下载的日志下载牌谱信息到data目录

下载历年数据

前往天凤日志记录平台手动下载「過去ログ」即可。 解压以后可调用ungz.sh获取其中scc牌谱。

例如:

$ ./ungz.sh 2022/

然后将路径下的所有生成的.txt文件转移到logs/路径下,并调用

$ python dataset/download_data.py

有监督学习

  • 训练弃牌模型
$ python sl_train/train_discard_model.py --num_layers 50 --epochs 10
  • 训练立直模型
$ python sl_train/train_riichi_model.py --num_layers 20 --epochs 10
  • 训练副露模型
$ python sl_train/train_furo_model.py --mode chi --num_layers 50 --epochs 10 --pos_weight 10

与AI玩耍

实现规则:

  • 四人、南风场、有赤牌、有食断、有一发役
  • 禁止现物食替、筋食替
  • 开杠时即翻宝牌
  • 国士无双不可抢暗杠
  • 流局包含:荒牌流局、九种九牌、四风连打、四杠散了、四家立直、三家和了
  • 流局满贯不计和牌
  • 大三元、大小四喜不设包牌
  1. 服务端代码写的一坨💩,请大佬们轻喷或提供更好的实现!(欢迎pr)
  2. 将训练好的弃牌模型放置于model/saved/discard-model/best.pt
  3. 将训练好的其他模型放置在类似的位置
  4. 运行服务端程序。使用下面的命令开启带有三个AI的游戏(通过-H参数指定监听的IP地址,默认为0.0.0.0),想在服务端观察到更多游戏细节(如AI做出决策的置信度等),可添加-d参数开启debug模式
$ python online_game/server.py -A 3 -H 0.0.0.0
  1. 运行客户端程序(目前只提供终端版的客户端,请见谅 现在已经提供了网页版客户端了!。使用下面的命令以用户名:User1加入游戏(通过-H参数指定连接的IP地址,默认为localhost)
$ python online_game/client.py -U User1 -H localhost

Self-Play

目前只做了环境,并没有加入任何强化学习的逻辑

$ python online_game/server.py -A 4 -f  # -f参数开启快速模式,跳过所有AI思考时间和等待时间
$ python online_game/server.py -A 4 -d -ob  # -ob参数开启观战模式(不建议在-f模式下进行观战...)

$ python online_game/client.py -ob "一姬1(简单)"  # 观战某个玩家(现在可以用下面提供的网页版客户端来观战啦~)

网页版客户端

网页客户端素材(麻将牌的贴图、各种音效等)使用了天凤、雀魂平台的素材,并且在界面风格上仿照了天凤平台。

首先运行服务端程序在9999端口,然后使用下面的命令监听8888端口的websocket流量,并将其转发至服务端端口9999。 然后即可使用网页版客户端进行连接。(可自行修改各种端口号)

$ websockify 8888 127.0.0.1:9999  # 第一个端口号为网页中websocket连接端口,第二个为服务端socket监听端口。

通过任意一种http服务打开online_game/web_client/index.html,即可轻松使用。

最简单的http服务:

$ python http.server -m 8080

About

基于Suphx的立直麻将AI

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published