go-ai/go_ia/README.md
2025-05-16 11:46:50 +02:00

80 lines
1.7 KiB
Markdown

# TP IA GO -- Nemo D'ACREMONT, Martin EYBEN
## Obtenir de l'aide
Une page d'aide est disponible en utilisant le flag `-h` ou `--help`.
## Activation de la venv
Exécutez :
```sh
python -m venv venv
. ./venv/bin/activate
```
## Télécharger les dépendances
```sh
pip -p ./requirements.txt
```
## Chargement des données
Le script télécharge par défaut les données puis les transforme de la façon
suivante :
- Duplique les données en faisant des rotations de 90°
- Échange les couleurs des plateaux, en échangeant aussi les scores
- Duplique les données en prenant le symétrique des plateaux
Il les stocke ensuite les datasets sous le nom `trainset.pt` et `testset.pt`
dans le dossier `output_dir` (`./current` par défaut). Il peut être spécifié
avec l'option `-O` comme suivant :
```sh
mkdir -p /tmp/mydata
python ./main -O /tmp/mydata
```
Le script sauvegarde ces ensembles pour éviter de devoir les recréer à chaque
fois, il suffit d'utiliser les arguments comme suivant pour les charger au
lancement :
```sh
python ./main -t ./trainset.pt
```
```sh
python ./main -T ./testset.pt
```
Il est évidemment possible de combiner les deux :
```sh
python ./main -t ./trainset.pt -T ./testset.pt
```
## Entraînement
Pour entraîner de zéro, il suffit de lancer le script sans spécifier de modèle
avec l'argument `-m`.
Il est possible de reprendre un entraînement en utilisant l'argument `-m`,
comme suivant :
```sh
python ./main -m ./model.pt
```
## Création des résultats
Afin d'utiliser le modèle pour générer le fichier `results.txt`, il faut
utiliser l'argument `-R` avec le chemin du dossier `json.gz` à utiliser.
Voici un exemple :
```sh
python main.py -R positions-to-evaluate-8x8-2025-sample.json.gz -m model.pt
```