来自Deep Stack 论文：

这似乎是为了训练：

对于转牌网络，使用 Calcul Quebec MP2 研究集群的 6,144 个 CPU 核心，使用超过 175 个核心年的计算时间，生成和解决了一千万次扑克转牌情况（从转牌后开始）。对于翻牌网络，产生并解决了 100 万个扑克翻牌情况（从发牌后）。这些情况是使用 DeepStack 的深度有限求解器解决的，该求解器在转牌后立即使用转牌网络用于公共状态的反事实值。我们使用了 20 个 GPU 的集群和 GPU 一年的一半计算时间。对于辅助网络，生成了 1000 万种情况，并通过枚举所有 22,100 个可能的翻牌并对翻牌网络输出的反事实值进行平均来获得目标值。

这是实际游戏：

重新求解计算和神经网络评估均在 Torch7 (53) 中实现，并在单个 NVIDIA GeForce GTX 1080 显卡上运行。

比较一下：AlphaGo 的分布式版本需要 1.920 个 CPU 和 280 个 GPU 才能运行。