我目前正在编写一个引擎来玩纸牌游戏，我想让 ANN 学习如何玩这个游戏。该游戏目前是可玩的，我相信对于这款游戏来说，采用强化学习方法的深度循环 Q 网络是可行的方法。
但是，我不知道我应该使用哪种类型的层，我找到了一些通过 ANN 解决的 Atari 游戏的示例，但它们的层是 CNN（卷积），更适合图像处理。我没有图像来喂 NN，只有一个由张量组成的状态，玩家自己的手牌和桌上的牌。NN 的输出应该是一张卡片或动作“结束回合”。
我目前正在尝试使用 TensorFlow，但我对任何可以与 NN 一起使用的库都持开放态度。任何类型的帮助或建议将不胜感激！
游戏状态由所有隐藏卡片的位置组成，因此您可能需要一个 softmax 层，52*n，其中 n 是位置的数量。
我不太确定NN是一个很好的匹配。
对于图像，由于平移不变性，您可以使用 CNN。在一个领域好的过滤器可能在另一个领域也很好。
对于图像，您必须使用 CNN，否则将有太多的权重需要训练。
对于您的游戏，这取决于表现形式和确切的规则。请注意，Alpha Zero 使用一组带有 CNN 的 19 x 19 输入来下围棋。
在像桥牌这样的游戏中，每张牌都有自己的颜色和等级，存在一种平移不变性。拥有 A 和 Q 有点类似于拥有 King 和 Jack ——在这两种情况下，你都有 50% 的机会在两者之间抓到这张牌。同时，AQ 和 KJ 的优势是非常不同的，所以纯 CNN 不太可能工作得很好。
更重要的对称性是颜色之一。拍卖后，有一个或没有王牌颜色，所有其他颜色都是等价的。这可能意味着相应的权重应该相同。
在某些纸牌游戏中，许多纸牌都是特殊的，根本没有对称性。你没有告诉我们任何关于你的游戏的事情，所以很难给出更具体的建议。