作者最后说：
我来说说训练情况，因为是从白板一块开始训练，刚开始都是乱下，从乱下的经验当中学会下棋是需要大量对弈才行的。解的空间是很稀疏的，相当于100个数据，有99个是负例，只有1个正例。论文中训练了700K次的mini-batch，国际象棋开源项目chess-alpha-zero也训练了10K次。我呢，训练不到4K次，模型刚刚学会用象和士防守，总之仍然下棋很烂。如果您有条件可以再多训练试试，我自从收到信用卡扣款400美元通知以后就把aws下线了：D 贫穷限制了我的想象力O(∩_∩)O

想说明什么呢？

可以笃定的是，这玩意训练出来，会狠惊吓人下

我只知道巨杰克才是中象完美战斗体，类似龙珠的沙鲁

有模型吗？发给我，我这边有超算

解压后放到项目根目录下即可，文件夹名叫做gpu_models
现在介绍下命令如何使用：
命令分为两类，一类是训练，一类是下棋。
训练专用：
--mode 指定是训练（train）还是下棋（play），默认是训练
--train_playout 指定MCTS的模拟次数，论文中是1600，我做训练时使用1200
--batch_size 指定训练数据达到多少时开始训练，默认512
--search_threads 指定执行MCTS时的线程个数，默认16
--processor 指定是使用cpu还是gpu，默认是cpu
--num_gpus 指定gpu的个数，默认是1
--res_block_nums 指定残差块的层数，论文中是19或39层，我默认是7
下棋专用：
--ai_count 指定ai的个数，1是人机对战，2是看两个ai下棋
--ai_function 指定ai的下棋方法，是思考（mcts，会慢），还是直觉（net，下棋快）
--play_playout 指定ai进行MCTS的模拟次数
--delay和--end_delay默认就好，两个ai下棋太快，就不知道俩ai怎么下的了：）
--human_color 指定人类棋手的颜色，w是先手，b是后手
训练命令举例：
python main.py --mode train --train_playout 1200 --batch_size 512 --search_threads 16 --processor gpu --num_gpus 2 --res_block_nums 7
下棋命令举例：
python main.py --mode play --ai_count 1 --ai_function mcts --play_playout 1200 --human_color w

不明觉厉！

不明觉厉(⊙o⊙)