中国象棋盲棋训练软件系统设计与实现
1背景与目的
2功能需求
3 Android开发环境配置
3.1 安装JDK.
3.2 安装SDK.
3.3 Android Studio安装配置
3.4 Android版本配置
4功能设计与实现
4.1 Android系统组件使用情况
4.2 主要功能类介绍
5改进和优化
作者： cavalier
能源行业从业者，业余爱好象棋、C++还有二胡、乒乓也很喜欢
Android开发基础图
安全生产法律法规（汇总及速查）
简易象棋连线器升级版（卷积神经网络应用实例）
前面那个象棋连线器简易版，总有那么几个盘面图识别不完整。本次基于深度学习框架tensorflow搭建卷积神经网络，利用自己的棋盘图文件制作类cifar10棋子数据集，再通过训练好的cnn模型，识别出完整棋盘图的fen串。制作方法如下：
1、用自己的棋盘图文件制作类cifar10棋子数据集。采集样本图像，把不同兵种的棋子图像文件分别存于工作目录 _strWorkingFolder 下不同的子文件夹中，子文件夹依次命名为类别名（如rook、knight共10类），图像文件名则随意。
2、用renBatchImag（）函数按照“类别名_顺序号.jpg”的形式批量重命名各类别子文件夹下所有图像文件，如：”rook_1.jpg”、”rook_2.jpg”和”knight_1.jpg”、”knight_2.jpg”。这步也可省略。
3、用img2bin()函数把全部准备好的样本图像生成想要的二进制数据集(含data_batch_x.bin、test_batch.bin及makeBatchesMeta.txt等7个文件)。 CCifar10 binData; binData.img2bin( “c:\\dl\\Pieces”);
4、将 tensorflow/models/image/cifar10 模块中获取数据的部分参数修改成为适合自己数据集。
5、完成在自定义数据集上用 tensorflow/models/image/cifar10 模块的源码训练测试。
6、输入棋盘图，输出fen串，搞定。
Python开发环境Spyder极简介绍
spyder的官方文档：
https://pythonhosted.org/spyder/
Tensorflow入门（浅显易懂的例子更容易豁然开朗）
节选自“https://blog.csdn.net/vagrantabc2017/article/details/77002231”
Tensorflow API分两类：
TensorFlow Core：适合细粒度的控制模型。
高层API：如 tf.contrib.learn，是对core的封装，更好用。但contrib目前不稳定。TensorFlow程序分两块：1）构造计算图 2）运行计算图
计算图由节点和边组成，程序不会刻意构造边。
节点包括：常量节点，操作节点，占位符节点，变量节点等。
继续阅读“Tensorflow入门（浅显易懂的例子更容易豁然开朗）”
局面评估初探
1、基本概念
棋局达到特定盘面，到底孰优孰劣，就需要一个数学模型来进行静态判定，这个进行静态判定的数学模型通常也叫评估函数。记忆中高等数学里有关多项式的内容中表示，不管多么复杂的评估函数,都可以用多项式逼近这个函数（泰勒公式？）。这个多项式是影响局面优劣的各种因素量化后的加权和。从而问题最终归结于如何选择影响局面优劣的因素及对应的权重，最后计算出多项式的值即为局面评价最终得分。 继续阅读“局面评估初探”
Parallel Searching Algorithm “YBWC”
Parallel Searching
In general, when parallelizing a sequential algorithm we have at least the following main problems: We have to find some way of dividing the work that has to be done, so that it can be done in parallel We want to keep all available processors as busy as possible doing useful work at all times。 继续阅读“Parallel Searching Algorithm “YBWC””