编辑“︁Leela Zero”︁（章节）

== 與論文的差異 ==
初期時Leela Zero在確認演算法以及程式是否實做正確，所以對論文裡提到的部份參數進行調整，以加快驗證速度：

; 類神經網路的架構
: AlphaGo Zero使用20 blocks或40 blocks，配上256 filters<ref name="agz-nature"/>。
: Leela Zero是逐步提昇類神經網路的大小（在近期的版本開始使用Net2Net，將舊的網路資料轉換到新的網路上<ref>{{Cite web |url=https://github.com/leela-zero/leela-zero/pull/704 |title=net2net by Ttl · Pull Request #704 · leela-zero/leela-zero |language=en |accessdate=2019-04-06 |archive-date=2019-10-18 |archive-url=https://web.archive.org/web/20191018034858/https://github.com/leela-zero/leela-zero/pull/704 |dead-url=no }}</ref>），一開始使用
:* 1 block x 8 filters（2017年11月10日，第0代），並逐步換成
:* 4 blocks x 32 filter（2017年11月17日，第2代，訓練約1.9萬盤時）、
:* 5 blocks x 64 filters（2017年11月21日，第5代，約13.7萬盤時）、
:* 6 blocks x 128 filters（2018年1月20日，第58代，約286萬盤時）、
:* 10 blocks x 128 filters（2018年3月5日，第92代，約481萬盤時）、
:* 15 blocks x 192 filters（2018年4月9日，第117代，約664萬盤時）、
:* 20 blocks x 256 filters（2018年7月28日，第158代，約872萬盤時），到目前使用的
:* 40 blocks x 256 filters（2018年9月4日，第174代，約997萬盤時）<ref name="leelazero-project"/>。
; 自我對戰訓練的盤數
: AlphaGo Zero使用最新的50萬盤訓練<ref name="agz-nature"/>。
: Leela Zero在10 blocks前（不含10 blocks）使用最新的25萬盤自我對戰結果訓練<ref>{{Cite web |url=https://github.com/leela-zero/leela-zero/issues/484 |title=Is Leelaz trained off all the the games, or just the more recent ones? · Issue #484 · gcp/leela-zero |language=en |accessdate=2017-12-27 |date=2017-12-24 |archive-date=2019-02-17 |archive-url=https://web.archive.org/web/20190217010834/https://github.com/leela-zero/leela-zero/issues/484 |dead-url=no }}</ref>（在2018年1月1號前因為有[[bug]]，導致只會使用最新的（約）16萬盤自我對戰結果進行訓練<ref>{{Cite web |url=https://github.com/leela-zero/leela-zero/issues/78#issuecomment-354645113 |title=How to find Information about the new best network · Issue #78 · gcp/leela-zero |language=en |accessdate=2018-01-03 |date=2018-01-01 |archive-date=2020-11-09 |archive-url=https://web.archive.org/web/20201109005411/https://github.com/leela-zero/leela-zero/issues/78#issuecomment-354645113 |dead-url=no }}</ref>），在10 blocks x 128 filters後改用最新的50萬盤自我對戰結果訓練<ref name="leelazero-github-issue965">{{Cite web |url=https://github.com/leela-zero/leela-zero/issues/965 |title=128x10 transition (6615567e) · Issue #965 · gcp/leela-zero |language=en |accessdate=2018-04-02 |archive-date=2020-11-09 |archive-url=https://web.archive.org/web/20201109003055/https://github.com/leela-zero/leela-zero/issues/965 |dead-url=no }}</ref>。
; [[蒙特卡洛树搜索]]（MCTS）的模擬的次數
: AlphaGo Zero在論文裡提到自我訓練或正式對弈時，每一步都使用1600次模擬<ref name="agz-nature"/>。
: Leela Zero一開始使用與AlphaGo Zero的論文相同的1600次，但後來改為3200次<ref>{{Cite web |url=https://github.com/leela-zero/leela-zero/commit/bce0e3d9ed9c331bac8fa3e14cb4be5ca450d8ac |title=Update benchmark to -v3200. · gcp/leela-zero@bce0e3d |language=en |accessdate=2018-04-11 |date=2018-03-13 |archive-date=2019-02-17 |archive-url=https://web.archive.org/web/20190217010834/https://github.com/leela-zero/leela-zero/commit/bce0e3d9ed9c331bac8fa3e14cb4be5ca450d8ac |dead-url=no }}</ref>。

這些調整是希望在比較小的網路與訓練盤數下快速確認程式的正確性<ref name="leelazerofaq"/>。在每個階段確認沒有重大問題以及bug後會重新評估調昇，並且正式公開向社群尋求運算資源<ref name="leelazerofaq"/>。

另外作者發現在原論文裡有瑕疵：論文裡的第一層輸入只有17個，會導致白棋較容易看到棋盤邊緣（指[[類神經網路]]），這在Leela Zero內被修正為18個<ref name="leelazero"/>。