围棋自从被创造出来,到如今已经有几千年的历史。这项游戏的规则简单,但是难度却非常高,计算机围棋决策问题也一直都是人工智能领域所面临的一大难点,19路围棋(棋盘大小为19*19)博弈树的复杂度大概为10的300次方[1],如果只靠普通的算法和硬编程是无法解决这个问题的。传统的计算机围棋AI在加入了大量的围棋知识后,在面对人类职业棋手时,仍需要被让3-4子才有一战之力。在DeepMind团队[2]将深度卷积神经网络引入围棋策略之中,计算机围棋发展有了重大的飞跃。原本需要让3子左右才有希望战胜一般职业围棋选手,经过改良已经可以和顶尖职业九段围棋选手一较高下。随着人工智能在计算机围棋方面的重大突破,DeepMind所应用到的卷积神经网络网络模型被更多的使用到了各行各业之中。首先,本文介绍了卷积神经网络的基本原理以及如何将卷积神经网络技术应用到计算机围棋决策问题中;并给出了本文参考 DeepMind团队所提供的模型设计出的培养计算机围棋AI棋感的策略网络结构。其次,说明了应用到计算机围棋中的卷积神经网络所需要的输入是什么,详细的介绍了本文从原始棋谱数据获取到制作数据集的整个过程。最后,讲述了为了训练本文设计的卷积神经网络所使用的机器学习平台以及训练所采取的方式,并讲述了训练时候碰到的问题和如何克服这些问题;对于训练出的卷积神经网络结果做出了阐述,并分析了这个结果,提出了为了使结果更好所能做出的改进方法和措施。