两个开源中国象棋引擎的编译

Debian 12, gcc 12.

CCStockfish编译通过，运行时没有.nnue文件。文档声称可不用NNUE, ucioption.cpp里没有Use NNUE，不可能setoption 它 false.

Screenshot_20251007_211937

Pikafish，make build时自动先make net，从GitHub下载到了43MB的.nnue文件。

AI说：根据同类引擎测试数据：

  • 文件大小与ELO呈正相关（每10MB约提升50-80ELO）
  • 该规模文件在i7-12700H处理器上实测（6个性能核+8个能效核。20线程（性能核支持超线程，能效核不支持）‌主频2.7G睿频4.7G。三级缓存‌24MB‌）。“排版混乱”？怕括号嵌套还算码农吗？
  • 平均计算速度：18层/秒
  • 典型ELO范围：2400-2600
  • 对职业棋手胜率：约65%‌

特级大师水平通常对应ELO 2500+，具体表现特征包括：

  • 计算深度：15-20层/秒（取决于硬件）
  • 局面评估误差率<5%
  • 对复杂残局处理准确率>90%‌

我修改的ElephantEye，在N100上 9~10层/秒（单核）。据说用了NNUE后多线程很方便。N100办公状态cpu MHz 700，单核最高睿频‌3.4G，6M缓存，bogomips 1612.8，有avx2和avx_vnni. Advanced Vector eXtensions - Vector Neural Network Instructions‌, AVX512-VNNI的丐版，支持256/512位向量，但性能弱。

垂涎三尺，奈何编译出错。① “能累机器就不累人” ② 访问GitHub不快，源码降级不如gcc降级，然而11和10都编译不过。

先歇会；倒是顺路把一团乱麻的sources.list整理清爽了：

deb http://mirrors.tuna.tsinghua.edu.cn/debian/ bookworm main contrib non-free non-free-firmware
#deb-src http://mirrors.tuna.tsinghua.edu.cn/debian/ bookworm main contrib non-free non-free-firmware
deb https://mirrors.tuna.tsinghua.edu.cn/debian-security bookworm-security main contrib non-free non-free-firmware
deb https://mirrors.aliyun.com/debian bookworm-backports main contrib non-free non-free-firmware
deb https://mirrors.aliyun.com/debian bullseye main contrib
deb https://mirrors.tencent.com/debian buster main contrib

Debian 12的backports，11和10加起来，apt list | wc -l 121,572个包。

deb [选项] <协议>://<镜像地址>/<发行版代号> <组件1> <组件2>

  • <发行版代号>‌：Debian 版本名称（如 bookworm）或类别（如 stable）‌
  • <组件>‌：软件包分类，如 main（自由软件）、contrib（依赖非自由软件）、non-free（非自由软件）‌

然后可以在多个gcc版本间切换：

# update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-10 10

最后面那个数是优先级，机智的我用了版本号 || 脑子不够想新数的

# update-alternatives --config g++
有 2 个候选项可用于替换 g++ (提供 /usr/bin/g++)。
选择       路径           优先级  状态
------------------------------------------------------------
  0            /usr/bin/g++-12   12        自动模式
* 1            /usr/bin/g++-10   10        手动模式
  2            /usr/bin/g++-12   12        手动模式

# g++ -v
gcc version 10.2.1 20210110 (Debian 10.2.1-6)

哦，打个补丁：

# update-alternatives --display g++
g++ - 手动模式最佳链接版本为 /usr/bin/g++-12
链接目前指向 /usr/bin/g++-10
链接 g++ 指向 /usr/bin/g++
/usr/bin/g++-10 - 优先级 10
/usr/bin/g++-12 - 优先级 12

自动模式‌：系统自动选择优先级（priority）最高的版本作为默认版本。

VinXiangQ基于深度学习（YOLOv5），用它来识别抓屏中的棋子，从屏幕截图看引擎可用fairy-stockfish.exe

哦哦哦，最最重要的，CCStockfish不能用皮卡鱼的.nnue文件。

补充：gcc 9也不行，最终干了脏活，用gcc 12编译出来了。bitboard.h里：

extern Bitboard SquareBB[SQUARE_NB];
constexpr Bitboard square_bb(Square s) {
 assert(is_ok(s));
 return SquareBB[s];
}

① 修改bitboard.h，从constexpr Bitboard square_bb到文件尾，把constexpr替换为inline

② make profile-build ARCH=x86-64-avxvnni

③ 再改bitboard.h：有两个显而易见地、把constexpr替换成inline的错误：删掉inline （“累机器别累我”）

④ 再编译, pikafish 611K，鄙人的eemod 67K

~/pika/src$ pikafish
Pikafish dev-20251007-nogit by the Pikafish developers (see AUTHORS file)
go movetime 1000
info string Available processors: 0-3
info string Using 1 thread
info string NNUE evaluation using pikafish.nnue (103MiB, (25920, 2048, 15, 32, 1))
info depth 1 seldepth 3 multipv 1 score cp 13 nodes 53 nps 53000 hashfull 0 tbhits 0 time 1 pv b2e2
info depth 2 seldepth 3 multipv 1 score cp 39 nodes 103 nps 103000 hashfull 0 tbhits 0 time 1 pv b2e2
info depth 3 seldepth 4 multipv 1 score cp 68 nodes 162 nps 162000 hashfull 0 tbhits 0 time 1 pv b2e2
info depth 4 seldepth 7 multipv 1 score cp 65 nodes 506 nps 168666 hashfull 0 tbhits 0 time 3 pv h2e2 b9c7 h0g2
info depth 5 seldepth 6 multipv 1 score cp 59 nodes 636 nps 212000 hashfull 0 tbhits 0 time 3 pv h2e2 b9c7 h0g2
info depth 6 seldepth 7 multipv 1 score cp 58 nodes 2008 nps 334666 hashfull 0 tbhits 0 time 6 pv g3g4 g9e7 h0g2 b9c7
info depth 7 seldepth 9 multipv 1 score cp 49 nodes 4099 nps 455444 hashfull 0 tbhits 0 time 9 pv h2e2 h9g7 h0g2 b9c7 b0c2
info depth 8 seldepth 11 multipv 1 score cp 47 nodes 5618 nps 468166 hashfull 0 tbhits 0 time 12 pv h2e2 b9c7 h0g2 h9g7 i0h0 i9h9
info depth 9 seldepth 14 multipv 1 score cp 46 nodes 12166 nps 579333 hashfull 3 tbhits 0 time 21 pv h2e2 b9c7 h0g2 h9g7 c3c4 g6g5 i0h0 i9h9 h0h4 a9a8
info depth 10 seldepth 16 multipv 1 score cp 45 nodes 21852 nps 607000 hashfull 7 tbhits 0 time 36 pv b2e2 b9c7 b0c2 c6c5 a0b0 a9b9 b0b4 h9g7 h0g2 g6g5
info depth 11 seldepth 19 multipv 1 score cp 38 nodes 66722 nps 641557 hashfull 21 tbhits 0 time 104 pv c3c4 b7c7 b2e2 h7e7 b0c2 h9g7 h0g2 b9a7
info depth 12 seldepth 22 multipv 1 score cp 41 nodes 98351 nps 647046 hashfull 36 tbhits 0 time 152 pv c3c4 b7c7 b2e2 h7e7 b0c2 h9g7 h0g2 i9h9 c2d4 h9h3 a0b0
info depth 13 seldepth 15 multipv 1 score cp 37 nodes 111830 nps 642701 hashfull 41 tbhits 0 time 174 pv c3c4 h7c7 b2e2 c9e7 b0c2 h9g7 a0b0 b9d8 h2f2 i9h9 h0g2 h9h5
info depth 14 seldepth 20 multipv 1 score cp 42 nodes 165187 nps 655503 hashfull 60 tbhits 0 time 252 pv c3c4 b7e7 b0c2 g6g5 a0b0 b9c7 h2g2 a9b9 b2b6 h9g7 g2g5 g7h5 h0g2 g9i7
info depth 15 seldepth 26 multipv 1 score cp 40 nodes 293344 nps 665179 hashfull 109 tbhits 0 time 441 pv b2e2 b9c7 b0c2 g6g5 c3c4 h9g7 a0b0 a9b9 h0i2 g9e7
info depth 16 seldepth 25 multipv 1 score cp 38 nodes 414022 nps 663496 hashfull 158 tbhits 0 time 624 pv g3g4 h7g7 b2e2 b7e7 b0c2 b9c7 a0b0 h9i7 h0i2 i9h9 i0h0 a9a8 b0b6 h9h3 b6c6
info depth 17 seldepth 27 multipv 1 score cp 36 nodes 543449 nps 662742 hashfull 209 tbhits 0 time 820 pv g3g4 h7g7 b2e2 b7e7 b0c2 b9c7 a0b0 h9i7 h0g2 i9h9 h2i2 g6g5 b0b5 c6c5 b5c5 g5g4 c5g5 g7g8 g5g4
info depth 18 seldepth 27 multipv 1 score cp 39 lowerbound nodes 661090 nps 661090 hashfull 253 tbhits 0 time 1000 pv g3g4
bestmove g3g4 ponder h7g7

g3g4是兵三进一。

setoption name Threads value 4
info string Using 4 threads
go movetime 1000
info string Available processors: 0-3
info string Using 4 threads
...
info depth 16 seldepth 32 multipv 1 score cp 42 nodes 1555455 nps 1555455 hashfull 529 tbhits 0 time 1000 pv g3g4 h7g7 b2e2 c9e7 h0i2 h9i7 i0h0 i9h9 h2h6 b9d8 b0c2 g6g5 g4g5 g7g0 h0g0 h9h6 i2g3 e7g5 g3f5 a9b9

它这个nps，好像少了个0？AI说：皮卡鱼基于NNUE，采用蒙特卡洛树搜索（MCTS）与Alpha-Beta剪枝结合的方式，节点评估更依赖深度学习模型的实时预测。其节点生成效率较高。‌Fritz Chess‌以传统Alpha-Beta搜索为主，依赖手工优化的评估函数和历史启发式规则，其节点生成量通常更大。

 不管咋滴，1秒能出好走法就行。N100整机才500人民币，足以，足矣。

许峰雄是深蓝超级计算机的核心设计者，1985年起在卡内基梅隆大学启动研究，1989年加入IBM后主导“深蓝”项目，最终在1997年以3.5比2.5的比分战胜卡斯帕罗夫‌，成为人工智能发展史上的里程碑‌。深蓝采用30台IBM RS6000工作站，配备480个专用象棋芯片，理论搜索速度达每秒10亿棋局，实际最大速度为2亿棋局/秒‌。

Fritz 9 Chess Benchmarks，基准是Pentium III 1G比（1），AMD Duron 1000 0.96，58630E3/1E8=0.5863亿Screenshot_20251007_232743

据说天天象棋的残局换了个垃圾引擎——舍不得掏钱。天天象棋广告极多，唯一比JJ象棋强的是：不是每个月更新500多MB。JJ象棋小米版不带每日残局（华为版有）。他们这种搞法，我一点买新手机的欲望都没有。

通讯借口请搜 Description of the universal chess interface (UCI) April 2006

posted @ 2025-10-07 21:31  Fun_with_Words  阅读(23)  评论(0)    收藏  举报

 张牌。