env.screen_n_cols))
# player[1]= env.White
players.append(
DQNAgent(env.enable_actions, env.name, env.screen_n_rows,
env.screen_n_cols))
for e in range(n_epochs):
# reset
env.reset()
terminal = False
while terminal == False: # 1エピソードが終わるまでループ
for i in range(0, len(players)):
state = env.screen
targets = env.get_enables(playerID[i])
if len(targets) > 0:
# どこかに置く場所がある場合
#すべての手をトレーニングする
for tr in targets:
tmp = copy.deepcopy(env)
tmp.update(tr, playerID[i])
#終了判定
win = tmp.winner()
end = tmp.isEnd()
#次の状態
state_X = tmp.screen
target_X = tmp.get_enables(playerID[i + 1])
if len(target_X) == 0:
parser.add_argument("-s", "--save", dest="save", action="store_true")
parser.set_defaults(save=False)
args = parser.parse_args()
# environmet, agent
env = Reversi()
agent = DQNAgent(env.enable_actions, env.name, env.screen_n_rows,
env.screen_n_cols)
agent.load_model("models1/Reversi.ckpt")
# game
print("------------- GAME START ---------------")
while not env.isEnd():
print("*** userターン○ ***")
env.print_screen()
enables = env.get_enables(1)
if len(enables) > 0:
flg = False
while not flg:
print("番号を入力してください")
print(enables)
inp = input('>>> ')
action_t = int(inp)
for i in enables:
if action_t == i:
flg = True
break
env.update(action_t, 1)
else:
print("パス")
