This is a Python3 code of reinforcement-learning to play Noughts & Crosses.
これは強化学習でN目並べをプレイするpython3のコードです．
使用したアルゴリズムはDQNです．
pytorch
tensorboardX
init.pyで各種パラメーターを設定します．
学習を始めるにはtrain.pyを動かします．
python trian.py
初期設定では50ゲームごとにモデルを比較し，新モデルが古いモデルよりも強かったら（勝率が55%を超えたら）モデルを更新するようにします．
モデルの場所はmodels/以下にあります．
三目並べでランダムプレイヤーとaiとの勝負でaiが後手のとき負けない割合が大体99%ぐらい
