♟️ Nexus-Nano - CNN 评估模型

<div align="center">

</div>

📖 模型描述

这是一个经过训练的卷积神经网络（CNN），用于评估国际象棋局面。它接受棋盘状态作为输入，输出一个介于 -1（黑方胜）和 +1（白方胜）之间的标量评估分数。

它是 Nexus-Nano 项目的核心"大脑"，设计用于在网页浏览器中使用 onnxruntime-web 高效运行。

• 架构： 3层 CNN，带有批归一化和 ReLU 激活函数。
• 框架： 在 PyTorch 中训练，导出为 ONNX（Opset 14）。
• 大小： 约 7.5 MB（针对网页加载高度优化）。
• 训练数据： 来自 Lichess 的 100,000+ 局大师级对局（标准等级分 > 2000 ELO）。

🛠️ 技术规格

输入形状

模型期望一个形状为 (1, 12, 8, 8) 的张量，使用独热编码表示棋盘状态。

• 通道（12）：
  • 0-5：白方棋子（兵、马、象、车、后、王）
  • 6-11：黑方棋子（兵、马、象、车、后、王）
• 维度（8x8）： 国际象棋棋盘格子。

输出

• 形状： (1, 1)
• 值： 介于 -1.0 和 1.0 之间的浮点数。
  • > 0：白方优势
  • < 0：黑方优势
  • ~ 0：均势/和棋

💻 使用方法（JavaScript / ONNX.js）

此模型设计为通过 onnxruntime-web 在浏览器中直接使用。

import * as ort from 'onnxruntime-web';

// 1. 加载会话
const session = await ort.InferenceSession.create('./chess_model.onnx');

// 2. 准备输入（大小为 12*8*8 的 Float32Array）
// 将 FEN 字符串转换为 12x8x8 独热编码数组
const inputData = new Float32Array(768).fill(0); 
// ... （根据棋子位置填充数组）...

const tensor = new ort.Tensor('float32', inputData, [1, 12, 8, 8]);

// 3. 运行推理
const results = await session.run({ board_state: tensor });
const evaluation = results.evaluation.data[0];

console.log(`Position Score: ${evaluation}`);

🧠 训练详情

• 损失函数： 均方误差（MSE）
• 优化器： Adam（学习率=0.001）
• 训练轮次： 50（带早停）
• 目标标签： 归一化的 Stockfish 评估 / 对局结果（胜/负/和）。

⚠️ 许可证与限制

此模型基于 GPL v3（GNU 通用公共许可证第3版） 授权

<div align="center"> <p>由 <a href="https://github.com/GambitFlow">GambitFlow</a> 策划</p> </div>