(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]
开发者しゃ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；稳定版本はんぽん）[3]
编辑维基数据链接
原始げんし码库github.com/lightvector/KataGo
编程语言C++、Python
类型电脑围棋
许可协议MIT许可证
网站github.com/lightvector/KataGo
KataGo Server
原作げんさく者しゃDavid J. Wu and Tycho Tatitscheff[4]
开发者しゃDavid J. Wu and Tycho Tatitscheff
首くび次じ发布2020年ねん11月8日にち，​4年ねん前まえ​（2020-11-08）[5]
原始げんし码库github.com/katago/katago-server
编程语言Python
类型电脑围棋
许可协议MIT许可证
网站katagotraining.org

KataGo是ぜ由よしDavid J. Wu（lightvector）所しょ研究けんきゅう并开发的一いち套围棋软件。

简介

[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与あずかAlphaZero论文为基础[6]，以及许多在ざいDeepMind论文之の后きさき的てき相しょう关研究けんきゅう及原创的研究けんきゅう，大幅おおはば改善かいぜん了りょう训练速度そくど（超ちょう过50倍ばい[7]:1）[1]，也因此搭配所はいしょ发布训练网络资料，成なり为目前ぜん世界せかい上じょう最强さいきょう的てき电脑围棋软件之の一いち。

KataGo所しょ实做的てき电脑围棋程ほど序じょ包括ほうかつ了りょう[1]：

  • 自我じが对弈训练的てき程ほど序じょ（使用しようC++、Python 3与あずかTensorFlow实做）
  • 可か以透过软体操たいそう作さく的てきGTP引擎（使用しようC++实做）

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）提供ていきょう运算所しょ需资源げん外がい，也公开发布ぬの训练的てき成果せいか（训练网络资料）[1]。

KataGo因いん丰富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围棋在ざい线分析ぶんせき网站AI Sensei作さく为默认的分析ぶんせき引擎[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慧ちえ的てき名称めいしょう似に乎是合理ごうり的てき。

差さ异

[编辑]

AlphaZero

[编辑]
参まいり见：AlphaZero

除じょ了りょう开放原始げんし码与开放资料以外いがい，KataGo与あずかAlphaZero主要しゅよう差さ异在于透过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训练的てき成本なりもと[7]，使つかい得とく一般家用的高阶电脑可以在数天内，从零训练出で一个具有中高段水准的业余高手水准的训练网络[1]。

Leela Zero

[编辑]
参まいり见：Leela Zero

KataGo与あずかLeela Zero的てき主要しゅよう差さ异在于，KataGo的てきGTP引擎支持しじ了りょうkata-analyze指令しれい，可か以让前ぜん端はし的てき程ほど序じょ（像ぞう是ぜLizzie）获取KataGo的てき目め数すう分析ぶんせき，这可以辅助人すけっと类棋手しゅ判断はんだん，减轻让子棋中黑くろ棋不会かい下出しもいで最さい好このみ的てき选择的てき问题[1]。

另外一いち个差异是KataGo同どう时支持しじOpenCL（自じv1.2支持しじ[10]）与あずかCUDA[1]（在ざいOpenCL上じょう，最新さいしん版本はんぽん做了优化，不ふ再さい是ぜCUDA版本はんぽん快かい数すう倍ばい，而是两个版本はんぽん相差おうさつ无几），但ただしLeela Zero只ただ支持しじOpenCL[11]。

强度きょうど

[编辑]

第だい一いち个版本はんぽん

[编辑]

第だい一いち个版本はんぽん（编号g65，v1.0）是ぜ在ざい2019年ねん二に月がつ使用しよう35颗NVIDIA Tesla V100训练7天てん，从6 blocks x 96 filters训练到15 blocks x 192 filters[12]，棋力きりょく大だい约与LZ130（Leela Zero的てき第だい130代だい）相あい符ふ[13]，大だい约是超越ちょうえつ人じん类的强度きょうど[1]。

权重代だい号ごう 版本はんぽん 注解ちゅうかい 训练长度（天てん） Elo
b6c96-s103408384-d26419149 v1.0 6x96权重 - -
b10c128-s101899520-d60734663 10x128权重 - -
b15c192-s279618816-d164990022 15x192权重 - -

第だい二に个版本はんぽん

[编辑]

第だい二に个版本はんぽん（编号g104，v1.1）是ぜ在ざい2019年ねん五ご月がつ与あずか六ろく月がつ使用しよう28颗NVIDIA Tesla V100训练，从6 blocks x 96 filters训练到20 blocks x 256 filters[14]，由ゆかり于大幅はば改善かいぜん了りょう超ちょう参さん数すう（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（英えい语：Lower confidence bound）大幅おおはば提ひさげ升ます了りょう棋力きりょく[15]。最さい后きさき训练了りょう19天てん产生出で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权重配はい上じょうLeela Zero的てき程ほど序じょ），另外与あずかLeela Zero 40 blocks版本はんぽん的てき比ひ较，大だい约落在ざいLZ200的てき棋力きりょく[1]。

权重代だい号ごう 版本はんぽん 注解ちゅうかい 训练长度（天てん） Elo
g104-b6c96-s97778688-d23397744 v1.1 最さい后きさき一いち个6x96权重 0.75 -1146
g104-b10c128-s110887936-d54937276 最さい后きさき一いち个10x128权重 1.75 -476
g104-b15c192-s297383936-d140330251 最さい后きさき一いち个15x192权重 7.5 327
g104-b20c256-s447913472-d241840887 最さい后きさき一いち个20x256权重 19 908

第だい三さん个版本はんぽん

[编辑]

第だい三个版本的训练一开始使用29个GPU，到いた第だい14天てん后きさき增加ぞうか为37个GPU，再さい24天てん后きさき（38天てん）增加ぞうか为47个GPU[1]。

自じv1.5.0[16]开始支持しじ纯CPU运算（使用しようEigen（英えい语：Eigen (C++ library)）函数かんすう库）。并自v1.8.0版はん开始支持しじ分布ぶんぷ式しき训练，允まこと许全球だま的てき用よう户一起おこり训练权重。

权重代だい号ごう 版本はんぽん 注解ちゅうかい 训练长度（天てん） Elo
g170-b6c96-s175395328-d26788732 最さい后きさき一いち个6x96的てき权重 0.75 -1184
g170-b10c128-s197428736-d67404019 最さい后きさき一いち个10x128的てき权重 1.75 -280
g170e-b10c128-s1141046784-d204142634 v1.3 延伸えんしん再さい训练10x128的てき权重 - 300
g170-b20c256x2-s668214784-d222255714 20x256的てき权重 15.5 959
g170-b15c192-s497233664-d149638345 15x192的てき权重 7.5 512
g170-b20c256x2-s1039565568-d285739972 v1.3.1 20x256的てき权重 21.5 1073
g170e-b15c192-s1305382144-d335919935 v1.3.1-nets 延伸えんしん训练15x192的てき权重 - 867
g170-b20c256x2-s1420141824-d350969033 20x256的てき权重 27.5 1176
g170e-b15c192-s1672170752-d466197061 v1.3.2 延伸えんしん训练15x192的てき权重 - 935
g170-b20c256x2-s1913382912-d435450331 20x256的てき权重 35.5 1269
g170-b20c256x2-s2107843328-d468617949 20x256的てき权重 38.5 1293
g170e-b20c256x2-s2430231552-d525879064 v1.3.3 20x256的てき权重 47.5 1346
g170-b30c320x2-s1287828224-d525929064 30x320的てき权重 47.5 1412
g170-b40c256x2-s1349368064-d524332537 40x256的てき权重 47 1406
g170e-b20c256x2-s2971705856-d633407024 v1.3.3-nets 20x256的てき权重 64.5 1413
g170-b30c320x2-s1840604672-d633482024 30x320的てき权重 1524
g170-b40c256x2-s1929311744-d633132024 40x256的てき权重 1510
g170e-b20c256x2-s3354994176-d716845198 v1.3.4 20x256的てき权重 78 1455
g170-b30c320x2-s2271129088-d716970897 30x320的てき权重 1551
g170-b40c256x2-s2383550464-d716628997 40x256的てき权重 1554
g170e-b20c256x2-s3761649408-d809581368 v1.3.5-nets 20x256的てき权重 92 1513
g170-b30c320x2-s2846858752-d829865719 30x320的てき权重 96 1619
g170-b40c256x2-s2990766336-d830712531 40x256的てき权重 1613
g170e-b20c256x2-s4384473088-d968438914 v1.4.0 20x256的てき权重 117 1529
g170-b30c320x2-s3530176512-d968463914 30x320的てき权重 1643
g170-b40c256x2-s3708042240-d967973220 40x256的てき权重 1687
g170e-b20c256x2-s4667204096-d1045479207 20x256的てき权重（实验性せい） 129 1561
g170-b30c320x2-s3910534144-d1045712926 30x320的てき权重（实验性せい） 1651
g170-b40c256x2-s4120339456-d1045882697 40x256的てき权重（实验性せい） 1698
g170e-b20c256x2-s4842585088-d1091433838 20x256的てき权重（实验性せい） 136.5 1547
g170-b30c320x2-s4141693952-d1091071549 30x320的てき权重（实验性せい） 1653
g170-b40c256x2-s4368856832-d1091190099 40x256的てき权重（实验性せい） 1680
g170e-b20c256x2-s5055114240-d1149032340 v1.4.2-nets 20x256的てき权重（实验性せい[注ちゅう 1]） 145.5 1539
g170-b30c320x2-s4432082944-d1149895217 30x320的てき权重（实验性せい[注ちゅう 1]） 1648
g170-b40c256x2-s4679779328-d1149909226 40x256的てき权重（实验性せい[注ちゅう 1]） 1690
g170e-b20c256x2-s5132547840-d1177695086 20x256的てき权重 150 1577
g170-b30c320x2-s4574191104-d1178681586 30x320的てき权重 1759
g170-b40c256x2-s4833666560-d1179059206 40x256的てき权重 1788
g170e-b20c256x2-s5303129600-d1228401921 v1.4.5 20x256的てき权重 157 1645
g170-b30c320x2-s4824661760-d1229536699 30x320的てき权重 1908
g170-b40c256x2-s5095420928-d1229425124 40x256的てき权重 1919

相あい关链接せっ

[编辑]

参考さんこう资料

[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）. 

注解ちゅうかい

[编辑]
  1. ^ 1.0 1.1 1.2 实验性せい质，加入かにゅう了りょう人じん类的棋谱，未必みひつ会かい比ひv1.4.0所しょ提供ていきょう的てき网络强きょう。[17]

外部がいぶ链接

[编辑]
检索自じ“https://zh.wikipedia.org/w/index.php?title=KataGo&oldid=78363367”