象棋零 - AlphaZero 中国象棋

项目说明

<a href=" src="

cchess-zero

__Author__ chengstone

__e-Mail__

代码详解请参见文内jupyter notebook和↓↓↓

知乎专栏：

博客：

欢迎转发扩散 ^_^

这是一个AlphaZero的实践项目，实现了一个中国象棋程序，使用TensorFlow1.0和Python 3.5开发，还要安装uvloop。

因为我的模型训练的不充分，只训练了不到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

我训练的模型文件下载地址：

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

许可

技术栈

开发语言：Python

项目类型：AlphaZero 中国象棋

Star 数：528

功能特点

这是一套AlphaZero 中国象棋，代码结构清晰，适合开发者学习游戏的客户端渲染、服务端逻辑、场景管理与资源加载。项目涵盖了游戏的核心玩法、界面交互、地图与角色系统等模块，对理解游戏开发的完整流程具有较高的参考价值。

从技术实现角度看，游戏项目的难点在于：游戏循环与状态管理、资源加载与渲染优化、客户端与服务端的协议同步、以及多平台适配。本项目在这些方面提供了可运行的实现，开发者可以在此基础上进行二次开发或学习研究。

部署说明

1. 下载源码压缩包，解压到本地开发环境。

2. 根据项目类型准备对应的运行环境（Node.js / Go / C# / Unity / Godot 等）。

3. 按照 README 中的步骤配置依赖、数据库和配置文件。

4. 先启动服务端，再运行客户端，即可进入游戏进行测试。

注意：本项目仅供学习研究使用，请勿用于商业或非法用途。

学习价值

对于想进入游戏开发领域的开发者来说，这套源码是一个很好的入门参考。通过阅读代码，可以学习到游戏的核心玩法实现、场景与资源管理、网络协议设计、以及渲染优化等关键技术点。

同时，项目中的代码组织方式和模块划分，也展示了游戏项目在工程化方面的实践经验，值得开发者深入研究和借鉴。理解一个完整游戏项目的架构，对后续开发其他类型游戏也很有帮助。

免责声明

本资源来源于开源社区，仅供学习研究和技术交流使用，请勿用于任何商业或违法违规用途。使用本项目产生的一切后果由使用者自行承担。若涉及第三方权益，请联系删除。