我正在阅读《深度学习与围棋》这本书，虽然我还没有读得很深入，但我已经编写了基础部分（规则、辅助类）和一个Qt GUI界面。所有这些都运行良好，于是我决定编写极小极大算法的示例程序，看看能否战胜它；-) 但它太慢了：在9×9的初始棋盘上，下一招需要几分钟的时间。默认深度为3步，我认为第一步的计算将需要（9×9）x（9×9-1）x（9×9-2）约50万个位置。好吧，这是Python，不是C，但我认为这应该可以在最多一分钟内计算出来。

我删除了一个对copy.deepcopy()的调用，这似乎消耗了很多时间。但它仍然太慢了。

这里是一些内容：计算线程：

class BotPlay(QThread):    """    计算机器人下一步的线程    """    def __init__(self, bot, bots, game):        """        构造函数，用于计算下一步        :param bot: 需要下棋的机器人        :param bots: 两个机器人的集合        :param game: 当前游戏状态（在下棋前）        """        QThread.__init__(self)        self.bot = bot        self.bots = bots        self.game = game    played = pyqtSignal(Move, dict, GameState)    def __del__(self):        self.wait()    def run(self):        self.msleep(300)        bot_move = self.bot.select_move(self.game)        self.played.emit(bot_move, self.bots, self.game)

选择移动方法及其类：

class DepthPrunedMinimaxAgent(Agent):    @bot_thinking(associated_name="minimax prof. -> LONG")    def select_move(self, game_state: GameState):        PonderedMove = namedtuple('PonderedMove', 'move outcome')        best_move_so_far = None        for possible_move in game_state.legal_moves():            next_state = game_state.apply_move(possible_move)            our_best_outcome = -1 * self.best_result(next_state, capture_diff)            if best_move_so_far is None or our_best_outcome > best_move_so_far.outcome:                best_move_so_far = PonderedMove(possible_move, our_best_outcome)        return best_move_so_far.move    def best_result(self, game_state: GameState, eval_fn, max_depth: int = 2):        if game_state.is_over():            if game_state.next_player == game_state.winner():                return sys.maxsize            else:                return -sys.maxsize        if max_depth == 0:            return eval_fn(game_state)        best_so_far = -sys.maxsize        for candidate_move in game_state.legal_moves():            next_state = game_state.apply_move(candidate_move)            opponent_best_result = self.best_result(next_state, eval_fn, max_depth - 1)            our_result = -opponent_best_result            if our_result > best_so_far:                best_so_far = our_result        return best_so_far

我几乎可以肯定问题不是来自GUI，因为书中给出的程序的初始版本，完全是控制台模式的，和我的程序一样慢。

我的请求是什么？嗯，为了确保这种慢速行为不是正常的，并且可能找到问题出在哪里。极小极大算法来自书中，所以它是正确的。

谢谢你

回答：

机器学习通常使用Python进行，因为：

• 1. 它简单且安全
• 2. 它灵活
• 3. 所有繁重的工作都由专门的模块完成，如tensorflow和keras

在你的情况下，第三点不成立。所有这些嵌套调用、参数传递、复制和棋盘评估都在Python中进行。这会比在编译型语言中花费多10到100倍的时间[需要引用]。

流行的机器学习项目似乎都使用Python，但实际的Python代码只是用于处理和输入数据，控制对tensorflow的调用，以及显示结果。这就是他们能做到这一点的原因。

所以，是的，你的故事中没有什么不寻常。你有查看过Leela-zero吗？它更加复杂/涉及，但开源且做得非常好，而且它可能已经打败了你。