da hab ich eine Anleitung gefunden im Russischen immortal Forum :

http://immortalchess.net/forum/showthread.php?p=8418483&posted=1#post8418483
vermutlich muss man dort registriert sein um das Original zu lesen

====================================================

Es funktioniert nun, da dkappe Supervised Learning verbessert hat ...
https://github.com/dkappe/leela-chess-weights/wiki/Supervised-Learning

======================================== =======

Damit es unter Windows funktioniert, müssen Sie dieser Methode von TomekJ folgen:

Leela Chess Zero betreutes Lernen - einfacher Start für Windows-Benutzer.

Ich gehe davon aus einer geschaffen „Brocken“ für die Ausbildung von PGN-Partien-Sammlung
und diese „Brocken“ platziert sind in einigen separaten Verzeichnis (wie von Dietrich Kappe auf seine Wiki-Seite beschrieben).

Schritt 0. Zum lczero-Training GitHub-Seite und laden lczero-training-master.zip.
Von lczero-common Download lczero-common-master.zip Datei. Sie beide Dateien
Entpacken Verzeichnisstruktur erhalten bleibt.
Kompilieren chunk.proto und net.proto Dateien mit protobuf Compiler Protoc - ..
Siehe init.sh für Details Als Ergebnis uoy zwei bekommen Py-Dateien im
Unterverzeichnis tf \ proto erstellen leer (Null-Länge) __init__.py Datei in tf \ proto Verzeichnis.

Schritt 1. Download neueste Version Miniconda 64-Bit-Windows-Installer für Python 3.6 von
Miniconda Website installieren Miniconda folgende Installationsanleitung öffnen Anaconda Prompt
und geben Sie Befehl: .. Python -V und erwarten Antwort: Python 3.6.5

Aktualisieren Sie Python nicht auf Version 3.7, da TensorFlow für diese Version noch nicht verfügbar ist!

Schritt 2. Installieren Sie TensorFlow mit GPU-Unterstützung Öffnen Sie Anaconda Prompt und
starten Sie den Befehl: conda install tensorflow-gpu
TensorFlow wird mit allen erforderlichen zusätzlichen Paketen heruntergeladen und installiert -
insbesondere CUDA- und cuDNN-DLLs.
Am Ende installiere PyYAML-Modul: conda install pyyaml, weil Miniconda standardmäßig andere yaml installiert hat.

Run 3. python train.py ... mit deinen Parametern und genieße beaufsichtigte Leela Chess Learning

======================================== =======

Das Problem mit dem Ausführen in Windows ist, dass das überwachte Lernen nur mit Cuda 9.0 funktioniert,
aber lc0 funktioniert mit 9.2+

Ich löste es durch zweifaches Booten in Linux, um die PNGs in Trainingsdaten umzuwandeln und
dann in Windows zu booten, um das Training zu starten.

Zweitens macht es keinen Sinn dies zu versuchen, außer man hat einen 1080TI oder mehr ...
Der Prozess ist zu zeitaufwendig für eine weniger leistungsfähige GPU.