Junxiao Song

We use the negative value of the state, this is because alternate levels in the search tree are from the perspective of different players and the Q-values are in fact...

@gmftbyGMFTBY leaf_value是从leaf节点的视角考虑的，leaf value传入后是用来更新Q value的，而leaf节点的Q value是给它的父节点选择分支的时候用的，所以这个Q value是从父节点的视角出发的，所以leaf节点自身的leaf value和自身的Q value就是从相反的视角考虑的，所以传入时就加了负号。

这两个model都是训练了3000～4000多局自我对局得到的，model2是后期代码稳定了一次性跑出来的，另一个没记错的话是在一个learning rate下跑了1000局，然后改了下learning rate，以1000局得到的model初始化又跑了3000局

这边的关注点是AlphaZero算法，所以我们使用最简单的无禁手的五子棋作为训练对象。如果有兴趣要实现五子棋正式比赛的规则，或者其他棋类游戏，都可以在game.py中实现

我觉得理论上是可以的，AlphaGo出来之前很多人应该就是这么做的，但效果应该会变差吧，因为策略网络其实就是在搜索的时候给出一些更有潜力的分支，这样能提高搜索效率，把有限的搜索次数用在最关键的部分

看了下确实有问题，应该还是得用data_format='channels_first'，这个tensorFlow版本是其他同学贡献的，当时看了，但没有发现这个问题，感谢指出。不知道是否方便帮忙修一下，提个pull request呢？

已合并#29 ，多谢

@xinrui-zhuang 调用的时候，模型名字直接用"best_policy.model"即可加载

@xinrui-zhuang 意思是把64-72行全部注释掉，那一段的目的是让大家可以只用numpy就能加载提供的模型并和它对战；然后取消60-61行的注释，这两行是加载自己训练的模型用的，不管你是用的Theano/Lasagne, PyTorch 还是 TensorFlow

@xinrui-zhuang 感觉1500个epoch对于12*12的大棋盘来说太少了，另外issue #14 #13 中的一些讨论也可以参考