先上代码 github，这个项目现在仍然在积极开发和维护的阶段，通过这个项目你可以组建自己的集群并且训练自己的中国象棋 alpha go：
中国有 13+亿人，中国象棋的受众也很广，但是有关中国象棋 alpha go/zero 方面的开源项目其实并不多,国内有名的更是几根手指都能数过来，而且在内容上高度相似，都是使用 alpha zero 的网络 + alpha go 的训练方式，列举两个相对突出一些的：
佳佳 zero： 是一个团队在维护，把 Leela Zero(一个国际象棋 alpha zero 项目) 迁移来做中国象棋的项目，目前就 elo 分来说是最强的，有那么一丢丢商业化趋势
cczero： 几乎只有一个人在维护代码，同样是一个民间自发组成,维护的中国象棋项目，目标是最强开源项目
这两个项目都是比较棒的，那么为什么我还要自己写一个呢？这就要从更早说起了
早在 alpha go 出来之后，alpha zero 出来之前，我就有要用神经网络来做中国象棋的想法，不过那个时候其实大家都不太知道怎么做这个东西，毕竟象棋和围棋很不一样，我当时写了一个比较幼稚的网络，希望单纯通过一个网络，不加任何类似蒙特卡洛的算法来通过预测人类落子规律的方法来,毕竟在围棋中一个单纯的策略网络就可以达到业余几段的棋力水平，我追求的也并不是天下第一，业余几段对于我来说，很 ok。
当时写爬虫爬了很多国内比赛棋谱，包括了很多我们耳熟能详的象棋大师的比赛，然后开始自己训练一个网络来预测人类的落子：
这个是我当时实现的那个很 naive 的网络代码：
我当时的方法是使用 2 个网络来预测人类的一步，一个叫做 select 网络（图 1 中的网络 1 ）负责预测人类会移动哪个子，另一个叫 move 网络，负责预测移动的子落子点在哪里，对比 alpha zero 的方法，alpha zero 使用一个网络就完成了两个工作：
从直觉上来说，似乎先预测选子，再预测落子的网络逻辑更符合人类的思考过程，然而这两个网络，在实际使用真实对局数据训练时准确率相差非常小：
并且我当时的方法（ select-move 网络）不适合用在蒙特卡洛树搜索中预测每个走法的概率，所以后来在写 icyChessZero 的时候也是用了 alpha zero 的策略网络的形式。在训练完这个网络之后，我发现，虽然象棋走法预测的准确率也不算很低，但是单纯和这个预测走子的网络对弈，我发现这个网络虽然开局有模有样，但是一旦到了中局和残局，网络经常作出匪夷所思的送子行为，这个现象我认为是因为围棋和象棋的差异性造成的，由于围棋的局势更适合直接从棋盘评估（所谓的“势”），而象棋则更多涉及逻辑推理。
到这一步为止，其实还是有很多项目都可以做到，比如说之前知乎有一篇系列文章：
叫 28 天自制 alpha go 的文章（虽然这个系列文章后来太监了，作者卖灯去了，估计是因为算力不够），但是再往下做的话，其实是有一定门槛的，使用蒙特卡洛树进行子对弈，并且进行神经网络的增强学习训练，需要巨大的算力，这个门槛，其他的开源项目一般是通过众筹训练的方式解决的，比如 cczero 和佳佳 zero，但是有越过这个门槛的，也就有没越过这个门槛的，比如之前知乎上的另一个项目：
这个项目就因为训练增强学习所需要的巨量资源所限制，虽然代码写出来了，但是因为算力不够，作者在烧了几百美元之后只能作罢。
那么我是怎么面对这个问题的呢？我利用了我在校生的身份，把手深到了我能够到的每一台 gpu 机器，求爷爷告奶奶的搞到了四五台机器，组了一个集群，虽然仍然算力不够，但是至少可以开始训练了。
想要从根本上解决这个问题，只能用巨量的算力，但是我们也能通过一些提高效率的方法来缓解一些这个问题，一些常用的方法比如：
使用 c/c++ 加速代码
使用多进程同时跑多个网络的前向
使用协程来将多个前向组成 batch，提高 gpu 利用效率
使用协程 /多进程的蒙特卡洛树算法，提速蒙特卡洛树的搜索速度
使用多台机器分布式跑棋谱，利用更多 gpu
除了 C/C++加速的方法我还没有使用，其他的方法我都使用了，细节参考：
在实现了使用蒙特卡洛树搜索走子的功能之后，我让监督学习的网络 和 监督学习+蒙特卡洛树的两种算法进行了对战，结果如下：
在 29 盘对局中，蒙特卡洛树一盘都没有输，平的 5 局都是超出当时的步数限制（ 100 步，为了节省时间）判和的，判和时无一例外都是 mcts 优势。这明确证明蒙特卡洛树能够有效提升 policy 网络的棋力。
这个项目原理简单，但是实现起来全是逻辑，我从三月（存疑）开始写，一直没时间写，断断续续的写，5 月跑了几天，出了一些 bug，后来一堆事情又涌上来，这项目就又搁置了起来，到 7，8 月，我意外的发现终于又有一些时间了，于是终于，我完成了我的中国象棋 alpha go zero 的第一版。
然后开始了漫长的训练过程，由于我的算力非常有限，到目前为止也只是一个 4，5 台 gpu server 的集群在训练这个版本的 alpha zero，我一开始的评估结果是以实验室的资源大概至少 10 年能跑出来吧，后来随着计算越来越精确，我发现在短短一年，甚至半年之内完成训练是很有可能的（我的目标只是达到中上人类水平，由于收到算力和时间的限制），但是一台机器肯定不够，需要有很多机器，于是我写了分布式版本，甚至花了一周时间重构了很多代码，这次重构以后一些 bug 莫名其妙的消失了，elo 曲线总算开始正常上升。
ps 一句：如果你在北邮有闲置的 GPU 服务器的权限，又有意愿加入集群一起训练，希望能够联系我
我认为，并不是只有训练出一个最强的网络才是有价值的（当然如果有资源能够训练最强的我也不介意 [手动捂脸] ），探究在这个训练过程中的优化点，考究 alpha zero 这个强化学习过程中是否有不合理的地方，这些都是有价值的。
这次开源的代码同时包含了集群 master 和 slave 的代码，一个组建集群的 minimal sample 我已经上传到了 google drive：
colab.research.google.com/drive/1sC-g…
这个 minimal sample 可以直接用 google colab （免费）运行，只要把这个文件存到自己的 google drive 之后用 colab 打开就行（注意开启 gpu 加速）：
在 google colab 中运行这个 minimal sample 的所有代码，应该能够看到类似下面的结果，说明一个随机的权重已经被初始化并且用于蒙特卡洛树的子对弈：
根据其他项目的进度和情况，想要达到我的小目标应该需要 4000 ～ 5000 elo 的分数，现在这个项目已经达到了 700elo 左右的分数，所以达到目标并不是不可能的。
另外这个项目参考了很多同类项目的实现，比如：
写这个项目的目的也是希望在探索的路上多走一条道，多一个人。
最后给其他对 alpha zero 算法感兴趣的人一点建议：
如果没有足够算力的话，没事不要碰象棋，围棋这种复杂游戏，可以从五子棋这种简单游戏入手训练，五子棋这种简单游戏对算力的门槛要求会低很多。
另外，如果想探讨一些技术问题可以站内私聊，评论，或者通过icybee@yeah.net联系我
作者：icybee
链接：https://juejin.im/post/5b727fdd518825614653b471
来源：掘金
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
