代码拉取完成，页面将自动刷新
这个项目受到alpha go zero的启发，旨在训练一个中等人类水平或高于中等人类水平的深度神经网络，来完成下中国象棋的任务。目前这个项目仍在积极开发中，并且仍然没有完成全部的开发，欢迎pull request 或者star。 然而受到计算资源限制，这样庞大的任务不可能在一台机器上完成训练，这也是我完成了分布式训练代码的原因，希望各位小伙伴能够加入，一起训练这样一个中国象棋alpha go的网络。
我的估计是达到4000～5000elo分数的时候深度网络可以达到目标，现在深度网络已经到了3000分的边缘，达到人类中上水平的目标并不是不可能的。
目前的elo：
详细胜率表：
当然，目前棋力还比较一般，因为是从完全随机开始训练的，比方说某个对局片段(800 playouts)：
目前我们的集群已经有四台gpu机器(两台windows，两台linux)在夜以继日地运行，我们需要更多，如果你恰好有北邮机房内闲置的gpu服务器的权限，希望你加入我们，一起训练中国象棋的alpha go zero。
集群分为master和slave，加入集群的机器均为slave，master和slave分工如下：
如果你想要加入我们的训练：
clone工程后在cmd中执行下面命令
cd script
./multithread_start.bat [thread_number] [gpu_core] [python_env]
比如:
./multithread_start.bat 10 0 python3
意味着在0号GPU上用python3环境跑10个进程（一般一个1080ti GPU可以支持到至多24个进程），然而GPU并不是唯一瓶颈，不推荐跑超过物理核数两倍的进程数量。
clone工程后在shell中执行
cd script
比如:
sh multithread_start.sh -t 10 -g 0 -p python3
意味着在0号GPU上用python3环境跑10个进程（与上面windows版本对应)
总之，如果想要加入集群，请先联系我，因为如果直接加入集群，可能会有我这边代码更新了然后部分slave没更新的情况，这样会造成不一致，后果会不可知。
如果你在北邮没有机器，然而在校外有一些机器，希望能跑起来这样一个分布式程序，那么请按照下面的步骤做：
config/conf.py 这个文件，把server的ip改成你希望的master的ipcd scripts运行 initize_weight.py 生成第一份随机权重cd distribute运行 distributed_server.py开启master服务端口slave机器运行出来的棋谱在 data/distributed 目录下，是cbf文件，可以通过"象棋桥"软件查看，也可以在 ipynbs/see_gameplay.ipynb 中查看
master 机器可以在ipynbs/elo_graph.ipynb 中查看集群训练的模型的elo到什么水平了。
还有挺多东西可以做的，工程也还在快速开发,比如：
2.长将和长捉的判断还没有做
等等等等 如果你发现有你想做的，提提pull request或者联系我撒
这个work的一些细节已经以草稿的形式发布在了： http://icybee.cn/article/69.html
此处可能存在不合适展示的内容，页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容，可点击提交进行申诉，我们将尽快为您处理。