(Translated by https://www.hiragana.jp/)
KataGo - 维基百科，自由的百科全书 跳とべ转到内容ないよう

KataGo

本页使用了标题或全文手工转换
维基百科ひゃっか，自由じゆう的てき百科ひゃっか全ぜん书
KataGo
原作げんさく者しゃDavid J. Wu[1]
開發かいはつ者しゃDavid J. Wu
首くび次じ发布2019年ねん2月がつ27日にち，​5年ねん前まえ​（2019-02-27）[2]
当とう前ぜん版本はんぽん
  • 1.15.3 (2024年ねん8月がつ6日にち；穩定版本はんぽん)[3]
編輯維基數據鏈接
源みなもと代だい码库github.com/lightvector/KataGo
编程语言C++、Python
类型電腦でんのう圍かこえ棋
许可协议MIT許可きょか證しょう
网站github.com/lightvector/KataGo
KataGo Server
原作げんさく者しゃDavid J. Wu and Tycho Tatitscheff[4]
開發かいはつ者しゃDavid J. Wu and Tycho Tatitscheff
首くび次じ发布2020年ねん11月8日にち，​3年ねん前まえ​（2020-11-08）[5]
源みなもと代だい码库github.com/katago/katago-server
编程语言Python
类型電腦でんのう圍かこえ棋
许可协议MIT許可きょか證しょう
网站katagotraining.org

KataGo是ぜ由よしDavid J. Wu（lightvector）所しょ研究けんきゅう並なみ開發かいはつ的てき一いち套圍かこえ棋軟體たい。

簡介

[编辑]
参まいり见：AlphaGo Zero和わAlphaZero

KataGo是ぜDavid J. Wu依よ照あきらDeepMind的てきAlphaGo Zero與あずかAlphaZero論文ろんぶん為ため基礎きそ[6]，以及許多きょた在ざいDeepMind論文ろんぶん之これ後ご的てき相關そうかん研究けんきゅう及原創そう的てき研究けんきゅう，大幅おおはば改善かいぜん了りょう訓練くんれん速度そくど（超過ちょうか50倍ばい[7]:1）[1]，也因此搭配所はいしょ釋しゃく出いずる訓練くんれん網もう路ろ資料しりょう，成なり為ため目前もくぜん世界せかい上じょう最強さいきょう的てき電腦でんのう圍かこえ棋軟體たい之の一いち。

KataGo所しょ實じつ做的電腦でんのう圍かこえ棋程式しき包括ほうかつ了りょう[1]：

  • 自我じが對たい弈訓練くんれん的てき程ほど式しき（使用しようC++、Python 3與あずかTensorFlow實じつ做）
  • 可か以透過とうか軟體操作そうさ的てきGTP引擎（使用しようC++實じつ做）

另外由ゆかりJane Street Capital（英えい语：Jane Street Capital）（作者さくしゃ所在しょざい的てき公司こうし）提供ていきょう運算うんざん所しょ需資源げん外がい，也公開こうかい釋しゃく出いずる訓練くんれん的てき成果せいか（訓練くんれん網もう路ろ資料しりょう）[1]。

KataGo因いん豐富ほうふ的てき分析ぶんせき能力のうりょく，被ひ用もちい在ざい圍かこえ棋線上じょう分析ぶんせき網もう站AI Sensei作為さくい預あずか設しつらえ的てき分析ぶんせき引擎[8]。

“KataGo”这个名字みょうじ来らい源げん于日にち语单词“かた (kata)”（类型）[9]。目前もくぜん，即そく使つかい在ざい英えい语中なか，武道ぶどう的てき形式けいしき也被称しょう为“kata”。作者さくしゃ lightvector (David J. Wu) 表示ひょうじ，它作为一个通过强化学习永久训练自己并旨在完成自己的形式的人工じんこう智能ちのう的てき名称めいしょう似に乎是合理ごうり的てき。

差異さい

[编辑]

AlphaZero

[编辑]
参まいり见：AlphaZero

除じょ了りょう開放かいほう原始げんし碼與開放かいほう資料しりょう以外いがい，KataGo與あずかAlphaZero主要しゅよう差異さい在ざい於透過とうか研究けんきゅう大幅おおはば降くだ低てい了りょう初期しょき自我じが訓練くんれん的てき成本なりもと[7]，使つかい得とく一般家用的高階電腦可以在數天內，從したがえ零れい訓練くんれん出で一個具有中高段水準的業餘高手水準的訓練網路[1]。

Leela Zero

[编辑]
参まいり见：Leela Zero

KataGo與あずかLeela Zero的てき主要しゅよう差異さい在ざい於，KataGo的てきGTP引擎支援しえん了りょうkata-analyze指令しれい，可か以讓前ぜん端はし的てき程ほど式しき（像ぞう是ぜLizzie）取得しゅとくKataGo的てき目め數すう分析ぶんせき，這可以輔助人すけっと類るい棋手判斷はんだん，減げん輕けい讓ゆずる子こ棋中黑くろ棋不會かい下出しもいで最さい好このみ的てき選擇せんたく的てき問題もんだい[1]。

另外一いち個こ差異さい是ぜKataGo同時どうじ支援しえんOpenCL（自じv1.2支援しえん[10]）與あずかCUDA[1]（在ざいOpenCL上じょう，最新さいしん版本はんぽん做了優ゆう化か，不ふ再さい是ぜCUDA版本はんぽん快かい數すう倍ばい，而是兩個りゃんこ版本はんぽん相差おうさつ無む幾いく），但ただしLeela Zero只ただ支援しえんOpenCL[11]。

強度きょうど

[编辑]

第だい一いち個こ版本はんぽん

[编辑]

第だい一いち個こ版本はんぽん（編へん號ごうg65，v1.0）是ぜ在ざい2019年ねん二に月がつ使用しよう35顆NVIDIA Tesla V100訓練くんれん7天てん，從したがえ6 blocks x 96 filters訓練くんれん到いた15 blocks x 192 filters[12]，棋力きりょく大約たいやく與あずかLZ130（Leela Zero的てき第だい130代だい）相あい符ふ[13]，大約たいやく是ぜ超越ちょうえつ人類じんるい的てき強度きょうど[1]。

權けん重代じゅうだい號ごう 版本はんぽん 註解ちゅうかい 訓練くんれん長ちょう度ど（天てん） Elo
b6c96-s103408384-d26419149 v1.0 6x96權けん重じゅう - -
b10c128-s101899520-d60734663 10x128權けん重じゅう - -
b15c192-s279618816-d164990022 15x192權けん重じゅう - -

第だい二に個こ版本はんぽん

[编辑]

第だい二に個こ版本はんぽん（編へん號ごうg104，v1.1）是ぜ在ざい2019年ねん五ご月がつ與あずか六ろく月がつ使用しよう28顆NVIDIA Tesla V100訓練くんれん，從したがえ6 blocks x 96 filters訓練くんれん到いた20 blocks x 256 filters[14]，由ゆかり於大おだい幅はば改善かいぜん了りょう超ちょう參さん數すう（hyperparameters），只ただ使用しよう了りょう3.5天てん就超越ちょうえつ第だい一いち版はん的てき棋力きりょく[1][15]，另外引入了りょうLCB（英語えいご：Lower confidence bound）大幅おおはば提ひさげ昇のぼり了りょう棋力きりょく[15]。最後さいご訓練くんれん了りょう19天產てんさん生出おいで20 blocks的てき版本はんぽん，棋力きりょく超ちょう越こし了りょうLZ-ELFv2（ELF OpenGo的てきv2權けん重じゅう配はい上じょうLeela Zero的てき程ほど式しき），另外與あずかLeela Zero 40 blocks版本はんぽん的てき比較ひかく，大約たいやく落在LZ200的てき棋力きりょく[1]。

權けん重代じゅうだい號ごう 版本はんぽん 註解ちゅうかい 訓練くんれん長ちょう度ど（天てん） Elo
g104-b6c96-s97778688-d23397744 v1.1 最後さいご一いち個こ6x96權けん重じゅう 0.75 -1146
g104-b10c128-s110887936-d54937276 最後さいご一いち個こ10x128權けん重じゅう 1.75 -476
g104-b15c192-s297383936-d140330251 最後さいご一いち個こ15x192權けん重じゅう 7.5 327
g104-b20c256-s447913472-d241840887 最後さいご一いち個こ20x256權けん重じゅう 19 908

第だい三さん個こ版本はんぽん

[编辑]

第だい三さん個こ版本はんぽん的てき訓練くんれん一いち開始かいし使用しよう29個こGPU，到いた第だい14天てん後ご增加ぞうか為ため37個こGPU，再さい24天てん後ご（38天てん）增加ぞうか為ため47個こGPU[1]。

自じv1.5.0[16]開始かいし支援しえん純じゅんCPU運算うんざん（使用しようEigen（英えい语：Eigen (C++ library)）函はこ式しき庫こ）。並なみ自じv1.8.0版はん開始かいし支援しえん分散ぶんさん式しき訓練くんれん，允許いんきょ全ぜん球たま的てき使用しよう者しゃ一いち起おこり訓練くんれん權けん重じゅう。

權けん重代じゅうだい號ごう 版本はんぽん 註解ちゅうかい 訓練くんれん長ちょう度ど（天てん） Elo
g170-b6c96-s175395328-d26788732 最後さいご一いち個こ6x96的てき權けん重じゅう 0.75 -1184
g170-b10c128-s197428736-d67404019 最後さいご一いち個こ10x128的てき權けん重じゅう 1.75 -280
g170e-b10c128-s1141046784-d204142634 v1.3 延伸えんしん再さい訓練くんれん10x128的てき權けん重じゅう - 300
g170-b20c256x2-s668214784-d222255714 20x256的てき權けん重じゅう 15.5 959
g170-b15c192-s497233664-d149638345 15x192的てき權けん重じゅう 7.5 512
g170-b20c256x2-s1039565568-d285739972 v1.3.1 20x256的てき權けん重じゅう 21.5 1073
g170e-b15c192-s1305382144-d335919935 v1.3.1-nets 延伸えんしん訓練くんれん15x192的てき權けん重じゅう - 867
g170-b20c256x2-s1420141824-d350969033 20x256的てき權けん重じゅう 27.5 1176
g170e-b15c192-s1672170752-d466197061 v1.3.2 延伸えんしん訓練くんれん15x192的てき權けん重じゅう - 935
g170-b20c256x2-s1913382912-d435450331 20x256的てき權けん重じゅう 35.5 1269
g170-b20c256x2-s2107843328-d468617949 20x256的てき權けん重じゅう 38.5 1293
g170e-b20c256x2-s2430231552-d525879064 v1.3.3 20x256的てき權けん重じゅう 47.5 1346
g170-b30c320x2-s1287828224-d525929064 30x320的てき權けん重じゅう 47.5 1412
g170-b40c256x2-s1349368064-d524332537 40x256的てき權けん重じゅう 47 1406
g170e-b20c256x2-s2971705856-d633407024 v1.3.3-nets 20x256的てき權けん重じゅう 64.5 1413
g170-b30c320x2-s1840604672-d633482024 30x320的てき權けん重じゅう 1524
g170-b40c256x2-s1929311744-d633132024 40x256的てき權けん重じゅう 1510
g170e-b20c256x2-s3354994176-d716845198 v1.3.4 20x256的てき權けん重じゅう 78 1455
g170-b30c320x2-s2271129088-d716970897 30x320的てき權けん重じゅう 1551
g170-b40c256x2-s2383550464-d716628997 40x256的てき權けん重じゅう 1554
g170e-b20c256x2-s3761649408-d809581368 v1.3.5-nets 20x256的てき權けん重じゅう 92 1513
g170-b30c320x2-s2846858752-d829865719 30x320的てき權けん重じゅう 96 1619
g170-b40c256x2-s2990766336-d830712531 40x256的てき權けん重じゅう 1613
g170e-b20c256x2-s4384473088-d968438914 v1.4.0 20x256的てき權けん重じゅう 117 1529
g170-b30c320x2-s3530176512-d968463914 30x320的てき權けん重じゅう 1643
g170-b40c256x2-s3708042240-d967973220 40x256的てき權けん重じゅう 1687
g170e-b20c256x2-s4667204096-d1045479207 20x256的てき權けん重じゅう（實驗じっけん性せい） 129 1561
g170-b30c320x2-s3910534144-d1045712926 30x320的てき權けん重じゅう（實驗じっけん性せい） 1651
g170-b40c256x2-s4120339456-d1045882697 40x256的てき權けん重じゅう（實驗じっけん性せい） 1698
g170e-b20c256x2-s4842585088-d1091433838 20x256的てき權けん重じゅう（實驗じっけん性せい） 136.5 1547
g170-b30c320x2-s4141693952-d1091071549 30x320的てき權けん重じゅう（實驗じっけん性せい） 1653
g170-b40c256x2-s4368856832-d1091190099 40x256的てき權けん重じゅう（實驗じっけん性せい） 1680
g170e-b20c256x2-s5055114240-d1149032340 v1.4.2-nets 20x256的てき權けん重じゅう（實驗じっけん性せい[註 1]） 145.5 1539
g170-b30c320x2-s4432082944-d1149895217 30x320的てき權けん重じゅう（實驗じっけん性せい[註 1]） 1648
g170-b40c256x2-s4679779328-d1149909226 40x256的てき權けん重じゅう（實驗じっけん性せい[註 1]） 1690
g170e-b20c256x2-s5132547840-d1177695086 20x256的てき權けん重じゅう 150 1577
g170-b30c320x2-s4574191104-d1178681586 30x320的てき權けん重じゅう 1759
g170-b40c256x2-s4833666560-d1179059206 40x256的てき權けん重じゅう 1788
g170e-b20c256x2-s5303129600-d1228401921 v1.4.5 20x256的てき權けん重じゅう 157 1645
g170-b30c320x2-s4824661760-d1229536699 30x320的てき權けん重じゅう 1908
g170-b40c256x2-s5095420928-d1229425124 40x256的てき權けん重じゅう 1919

相關そうかん連結れんけつ

[编辑]

參考さんこう資料しりょう

[编辑]
  1. ^ 1.00 1.01 1.02 1.03 1.04 1.05 1.06 1.07 1.08 1.09 1.10 lightvector. GTP engine and self-play learning in Go. GitHub. lightvector/KataGo. [2020-01-01]. （原始げんし内容ないよう存そん档于2021-01-14） （英えい语）. 
  2. ^ lightvector. TensorRT Backend, Many Minor Improvements. GitHub. lightvector/KataGo. [2020-01-01]. （原始げんし内容ないよう存そん档于2021-01-26） （英えい语）. 
  3. ^ Release 1.15.3. 2024年ねん8月がつ6日にち [2024年ねん8月がつ22日にち]. 
  4. ^ lightvector. katago/katago-server. GitHub. [2021-01-14]. （原始げんし内容ないよう存そん档于2020-11-19）. 
  5. ^ lightvector. v0.1. GitHub. katago/katago-server. 2020-11-08 [2021-01-14]. （原始げんし内容ないよう存そん档于2020-11-19） （英えい语）. 
  6. ^ David Wu. Accelerating Self-Play Learning in Go. TECH BLOG. Jane Street. 2019-02-28 [2020-01-01]. （原始げんし内容ないよう存そん档于2020-11-07） （英えい语）. 
  7. ^ 7.0 7.1 David J. Wu. Accelerating Self-Play Learning in Go. 2020-11-09. arXiv:1902.10565v4 可免费查阅 [cs.LG]. 
  8. ^ bsteuber. Analyze with a fixed visit number?. GitHub. lightvector/KataGo. 2019-12-19 [2022-01-09]. （原始げんし内容ないよう存そん档于2020-10-30） （英えい语）. 
  9. ^ lightvector. The Name of KataGo. GitHub. lightvector/KataGo. 2020-08-27 [2022-01-09]. （原始げんし内容ないよう存そん档于2022-01-09） （英えい语）. 
  10. ^ lightvector. OpenCL, Windows Support, other features and fixes. GitHub. lightvector/KataGo. 2019-07-21 [2020-05-12]. （原始げんし内容ないよう存そん档于2020-10-30） （英えい语）. 
  11. ^ MaxVanDijck. Go engine with no human-provided knowledge, modeled after the AlphaGo Zero paper.. GitHub. leela-zero/leela-zero. [2020-01-02]. （原始げんし内容ないよう存そん档于2021-01-06） （英えい语）. 
  12. ^ katago-public/g65/models. [2020-01-01]. （原始げんし内容ないよう存そん档于2020-01-01）. 
  13. ^ lightvector. Initial release. GitHub. lightvector/KataGo. 2019-02-27 [2020-01-14]. （原始げんし内容ないよう存そん档于2020-10-30） （英えい语）. 
  14. ^ katago-public/g104/models. [2020-01-01]. （原始げんし内容ないよう存そん档于2020-01-01）. 
  15. ^ 15.0 15.1 lightvector. Strong Neural Net, LCB, and many bugfixes. GitHub. lightvector/KataGo. 2019-06-18 [2020-01-14]. （原始げんし内容ないよう存そん档于2020-10-30） （英えい语）. 
  16. ^ lightvector. OpenCL FP16 Tensor Core Support. GitHub. lightvector/KataGo. 2020-08-03 [2020-08-26]. （原始げんし内容ないよう存そん档于2020-10-30） （英えい语）. 
  17. ^ lightvector. Experimental Neural Nets. GitHub. lightvector/KataGo. 2020-06-06 [2020-06-07]. （原始げんし内容ないよう存そん档于2020-10-30） （英えい语）. 

註解ちゅうかい

[编辑]
  1. ^ 1.0 1.1 1.2 實驗じっけん性質せいしつ，加入かにゅう了りょう人類じんるい的てき棋譜きふ，未必みひつ會かい比ひv1.4.0所しょ提供ていきょう的てき網もう路ろ強きょう。[17]

外部がいぶ連結れんけつ

[编辑]
棋具（英えい语：Go equipment）
规则
共同きょうどう
对局阶段
布ぬの局きょく流派りゅうは
术语
棋力きりょく等とう级
组织
棋赛
其他
文ぶん艺作品さくひん
文学ぶんがく
影かげ视
人工じんこう智能ちのう
圍かこえ棋變體へんたい
其它
检索自じ“https://zh.wikipedia.org/w/index.php?title=KataGo&oldid=78363367”