只用了不到4小时。
AlphaZero在去年底通过自我对弈，就完爆上一代围棋冠军程序AlphaGo，且没有采用任何的人类经验作训练数据（至少DeepMind坚持这么认为，嗯）。
昨天，GitHub有位大神@Zeta36用Keras造出来了国际象棋版本的AlphaZero，具体操作指南如下。
项目介绍
该项目用到的资源主要有：
- 去年10月19号DeepMind发表的论文《不靠人类经验知识，也能学会围棋游戏》
- 基于DeepMind的想法，GitHub用户@mokemokechicken所做的Reversi开发，具体前往https：//github.com/mokemokechicken/reversi-alpha-zero
- DeepMind刚发布的AlphaZero，从零开始掌握国际象棋：https：//arxiv.org/pdf/1712.01815.pdf。
之前量子位也报道过，AlphaZero仅用了4小时（30万步）就击败了国际象棋冠军程序Stockfish。是不是?赛雷(´･Д･)」
更多细节去wiki看呗。
笔记
我是这个信息库(repositories，也简称repo)的创造者。
这个repo，由我和其他几个小伙伴一起维护，并会尽我们所能做到最好。
repo地址：https：//github.com/Zeta36/chess-alpha-zero/graphs/contributors
不过，我们发现让机器自己对弈，要烧很多钱。尽管监督学习的效果很好，但我们从来没有尝试过自我对弈。
在这里呢，我还是想提下，我们已经转移到一个新的repo，采用大多数人更习惯的AZ分布式版本的国际象棋（MCTS in C ）：https：//github.com/glinscott/leela-chess
现在，项目差不多就要完成啦。
每个人都可以通过执行预编译的Windows（或Linux）应用程序来参与。这个项目呢，我们赶脚自己做得还是不错的。另外，我也很确定，在短时的分布式合作时间内，我们可以模拟出DeepMind结果。
所以呢，如果你希望能看到跑着神经网络的UCI引擎打败国际象棋冠军程序Stockfish，那我建议你去看看介个repo，然后肯定能增强你家电脑的能力。
使用环境
Python 3.6.3 tensorflow-gpu: 1.3.0 Keras: 2.0.8
最新结果 (在@Akababa用户的大量修改贡献后获得的)
在约10万次比赛中使用监督式学习，我训练了一个模型（7个剩余的256个滤波器块），以1200个模拟/移动来估算1200 elo。 MCTS有个优点，它计算能力非常好。
下面动图泥萌可以看到，我（黑色）在repo（白色）模型中对阵模型：
下面的图，你可以看到其中一次对战，我（白色，〜2000 elo）在repo（黑色）中与模型对战：
首个好成绩
在用了我创建的新的监督式学习步骤之后，我已经能够训练出一个看着像是国际象棋开局的学习模型了。
下图，大家可以看到这个模型的对战（AI是黑色）：
下面，是一场由@ bame55训练的对战（AI玩白色）：
5次迭代后，这个模型就能玩成这样了。这5次里，’eval’改变了4次最佳模型。而“opt”的损失是5.1（但结果已经相当好了）。
Modules
监督学习
我已经搞出来了一个监督学习新的流程。
从互联网上找到的那些人类游戏文件“PGN”，我们可以把它们当成游戏数据的生成器。
这个监督学习流程也被用于AlphaGo的第一个和最初版本。
考虑到国际象棋算是比较复杂的游戏，我们必须在开始自我对弈之前，先提前训练好策略模型。也就是说，自我对弈对于象棋来说还是比较难。
使用新的监督学习流程，一开始运行挺简单的。
而且，一旦模型与监督学习游戏数据足够融合，我们只需“监督学习”并启动“自我”，模型将会开始边自我对弈边改进。
python src/chess_zero/run.py sl
如果你想使用这个新的监督学习流程，你得下载一个很大的PGN文件（国际象棋文件）。
并将它们粘贴到data / play_data文件夹中。BTW，FICS是一个很好的数据源。
您也可以使用SCID程序按照玩家ELO，把对弈的结果过滤。
为了避免过度拟合，我建议使用至少3000场对战的数据集，不过不要超过3-4个运行周期。
强化学习
AlphaGo Zero实际上有三个workers：self，opt和eval。
self，自我模型，是通过使用BestModel的自我生成训练数据。 opt，训练模型，是用来训练及生成下一代模型。 eval是评测模型，用于评估下一代模型是否优于BestModel。如果更好，就替换BestModel。
分布式训练
现在可以通过分布式方式来训练模型。唯一需要的是使用新参数：
输入分布式：使用mini config进行测试，（参见src / chess_zero / configs / distributed.py） 分布式训练时，您需要像下面这样在本地运行三方玩家：
python src/chess_zero/run.py self —type distributed (or python src/chess_zero/run.py sl —type distributed) python src/chess_zero/run.py opt —type distributed python src/chess_zero/run.py eval —type distributed
图形用户界面(GUI)
- uci启动通用象棋界面，用于GUI。
为ChessZero设置一个GUI，将其指向C0uci.bat（或重命名为.sh）。例如，这是用Arena的自我对弈功能的随机模型的屏幕截图：
数据
- data/model/modelbest: BestModel.
- data/model/next_generation/: next-generation models.
- data/playdata/play*.json: generated training data.
- logs/main.log: log file.
如果您想从头开始训练模型，请删除上述目录。
使用说明
安装
安装库
pip install -r requirements.txt
如果您想使用GPU，请按照以下说明使用pip3进行安装。
确保Keras正在使用Tensorflow，并且你有Python 3.6.3 。根据您的环境，您可能需要运行python3 / pip3而不是python / pip。
基本使用
对于训练模型，执行自我对弈模型，训练模型和评估模型。
注意：请确保您正在从此repo的顶级目录运行脚本，即python src / chess_zero / run.py opt，而不是python run.py opt。
自我对弈
python src/chess_zero/run.py self
执行时，自我对弈会开始用BestModel。如果不存在BestModel，就把创建的新的随机模型搞成BestModel。
你可以这么做
创建新的BestModel； 使用mini config进行测试，（参见src / chess_zero / configs / mini.py）。
训练模型
python src/chess_zero/run.py opt
执行时，开始训练。基础模型会从最新保存的下一代模型中加载。如果不存在，就用BestModel。训练好的模型每次也会自动保存。
你可以这么做
输入mini：使用mini config进行测试，（参见src / chess_zero / configs / mini.py） 用全套流程：指定整套流程的（小批量）编号，不过跑完全程会影响训练的学习率。
评价模型
python src/chess_zero/run.py eval
执行后，开始评估。它通过玩大约200场对战来评估BestModel和最新的下一代模型。如果下一代模型获胜，它将成为BestModel。
你可以这么做
输入mini: 使用mini config进行测试，（请参阅src / chess_zero / configs / mini.py）
几点小提示和内存相关知识点
GPU内存
通常来讲，缺少内存会触发警告，而不是错误。
如果发生错误，请尝试更改src / configs / mini.py中的vram_frac，
self.vram_frac = 1.0
较小的batch_size能够减少opt的内存使用量。可以尝试在MiniConfig中更改TrainerConfig＃batch_size。
最后，附原文链接， https://github.com/Zeta36/chess-alpha-zero/blob/master/readme.md
