หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซี/ซี++
ดาวน์โหลด

หมากรุก

@PlayChessCoach on lichess: ดู | สถิติ | ความท้าทาย (1+0 หรือ 0+1 ถึง 15+10)

ภาพรวม

Chesscoach เป็นเครื่องยนต์หมากรุกที่ใช้เครือข่ายประสาทที่มีความสามารถในการวิจารณ์ภาษาธรรมชาติ มันเล่นหมากรุกที่มีคะแนนประมาณ 3450 ELO ซึ่งหมายความว่าควรเอาชนะผู้เล่นที่แข็งแกร่งที่สุดที่ 2850 ELO และเครื่องยนต์อื่น ๆ อีกมากมาย แต่มักจะสูญเสียความแข็งแกร่งที่สุดเช่น Stock Fish 14 ที่ 3550 ELO

เช่นเดียวกับเครื่องยนต์ทั้งหมด Chesscoach อาศัยการตรวจสอบตำแหน่งหมากรุกหลายล้านตำแหน่งเพื่อตัดสินใจเกี่ยวกับการย้ายที่ดีที่สุดในการเล่น มันใช้เครือข่ายประสาทขนาดใหญ่ที่ช้าเช่นเดียวกับ Alphazero หรือ Leela Chess Zero (LC0) เพื่อประเมินแต่ละตำแหน่งซึ่งแตกต่างจากเครื่องยนต์คลาสสิกซึ่งมีจุดมุ่งหมายสำหรับความเร็วด้วยการประเมินที่ง่ายกว่ามาก

เครือข่ายประสาทที่เป็นแกนหลักของเครื่องยนต์ได้รับการฝึกฝนโดยการเล่นกับตัวเองโดยใช้วงจรการตอบรับเพื่อเริ่มต้นจากความรู้เกือบเป็นศูนย์ - เพียงแค่กฎของหมากรุก - และเรียนรู้วิธีการใหม่ ๆ ในการเอาชนะตัวเองเมื่อมันแข็งแกร่งขึ้น การประเมินเครือข่ายประสาทที่แข็งแกร่งขึ้นช่วยให้มันค้นหาได้ดีขึ้นและผลการค้นหาที่แข็งแกร่งขึ้นทำให้มันฝึกอบรมการประเมินเครือข่ายประสาทได้อย่างมีประสิทธิภาพมากขึ้น

Chesscoach ยังสามารถป้อนความรู้ของหมากรุกลงในเครือข่ายประสาทเพิ่มเติมเพื่อแสดงความคิดเห็นเกี่ยวกับการเคลื่อนไหวและตำแหน่งเป็นภาษาอังกฤษ มันไม่ได้ลึกซึ้งและมักจะผิด แต่แสดงให้เห็นถึงคำสัญญาสำหรับข้อมูลที่ จำกัด ที่สามารถฝึกอบรมได้

สารบัญ

  • ภาพรวม
  • แรงจูงใจ
  • การเปรียบเทียบ
  • ผลลัพธ์
  • การวัด
  • เอกสาร
  • โปรแกรม
  • ไฟล์
  • การติดตั้ง
    • การติดตั้งล่วงหน้า
    • Linux (Debian/Ubuntu), GPU
    • Linux (Debian/Ubuntu), TPU แบบเก่าแก่
    • Linux (Debian/Ubuntu), คลาวด์สไตล์ใหม่ TPU VM
    • Windows, GPU
    • หลังการติดตั้ง
    • Linux, หลังการติดตั้งสำหรับการสนับสนุนการจัดเก็บข้อมูล Google Cloud
    • Linux, หลังการติดตั้งสำหรับการสนับสนุนคลัสเตอร์
  • การใช้งาน
  • การทดสอบกำลังดำเนินการ
    • ลินเวกซ์
    • หน้าต่าง
  • กิตติกรรมประกาศ
  • ใบอนุญาต
  • ติดต่อ

แรงจูงใจ

ฉันเริ่มพัฒนา Chesscoach เป็นโครงการสองถึงสามเดือนเพื่อดูว่าฉันชอบการเรียนรู้ของเครื่องจักรและจบลงด้วยการทำสิ่งต่าง ๆ เกินกว่าที่ฉันคาดไว้ แผนเดิมมีเป้าหมายที่ทะเยอทะยานมากเกินไปสามประการ: การจำลองเครื่องยนต์คล้าย alphazero ขนาดเล็กเพิ่มความเห็นภาษาธรรมชาติให้กับวงจรข้อเสนอแนะการฝึกอบรมและทำให้การฝึกอบรมในระดับหนึ่งเป็นไปได้บนเวิร์กสเตชัน GPU เดียว

หลังจากการพัฒนามานานกว่าหนึ่งปีฉันสามารถอ้างสิทธิ์ได้แทบจะไม่มีความคืบหน้าเกี่ยวกับวิธีการฝึกอบรม อย่างไรก็ตามฉันมีความสุขกับคำอธิบายที่ Chesscoach ผลิตทุกสิ่งที่พิจารณาและประหลาดใจกับความแข็งแกร่งของเครื่องยนต์ในที่สุด

ฉันโชคดีที่มีแหล่งข้อมูลสาธารณะมากมายรวมถึงการคำนวณคลาวด์ฟรีและเอกสารการอภิปรายและข้อมูลฟรี ฉันรู้สึกขอบคุณมากกับหลาย ๆ คนที่ได้ช่วยด้วยการชี้แจงที่สำคัญการอภิปรายและการดีบัก

การเปรียบเทียบ

เครื่องยนต์หมากรุกที่เป็นแกนหลักของ Chesscoach นั้นคล้ายกับของ Alphazero (Silver et al., 2018) หรือ LC0 (Linscott & Pascutto, 2018) ในโครงสร้างของเครือข่ายประสาทตารางการฝึกอบรมและอัลกอริทึมการค้นหา อย่างไรก็ตามฉันหวังว่าจะมีแนวคิดใหม่ ๆ ที่มีประโยชน์ในที่อื่น

คำวิจารณ์ภาษาธรรมชาติเป็นเหมือนงานการเรียนรู้ที่จะสร้างคำอธิบายที่ย้ายไปมาสำหรับเกมหมากรุกจากข้อมูลฟอรัมสังคมขนาดใหญ่ (Jhamtani, Gangal, Hovy, Neubig & Berg-Kirkpatrick, 2018) คอร์ปัสแม้ว่าจะมีสถาปัตยกรรมที่เรียบง่ายมากขึ้น

ผลลัพธ์

Chesscoach ได้รับการออกแบบให้ค่อนข้างน้อยและพกพา มันทำงานบน Linux และ Windows และรองรับหน่วยประมวลผล Single-GPU, Multi-GPU และ TENSOR (TPUs) รหัสที่เน้นประสิทธิภาพอยู่ใน C ++ (10.5K บรรทัด) และรหัสเครือข่ายประสาทอยู่ใน Python (เส้น 3.7K) โดยอาศัย TensorFlow 2. รหัสสต็อกฟิชสำหรับการจัดการตำแหน่งการสร้างการเคลื่อนย้าย ข้อมูลการฝึกอบรมการเล่นด้วยตนเองได้รับการสร้างขึ้นอย่างสมบูรณ์ภายในโครงการ Chesscoach ตามตาราง Alphazero ของ 44 ล้านเกมและ 700,000 ชุดการฝึกอบรม 4,096 ตำแหน่งแต่ละตำแหน่ง

ความคิดบางอย่างที่นอกเหนือจาก Alphazero แต่มีอยู่ในวรรณคดีและโครงการต่าง ๆ เช่น Katago (Wu, 2020) และ LC0 ได้ถูกรวมเข้าด้วยกัน (บ่อยครั้งที่ฉันคิดว่าฉันกำลังลองอะไรใหม่ ๆ แต่กลับกลายเป็นว่าคนฉลาดที่ LC0 ได้ลองเกือบทุกอย่าง) สิ่งเหล่านี้รวมถึงการให้คู่ครอง, การตรวจจับตารางเวลา endgame, endgame minimax, ค่าเฉลี่ยน้ำหนักสุ่ม (SWA), ค่าเฉลี่ยเคลื่อนที่แบบทวีคูณ (EWMA), แรงจูงใจในการสำรวจต่างๆ, การแคชการทำนาย, เป้าหมายการฝึกอบรมเสริมและการกลั่นความรู้

ฉันเชื่อว่าความคิดบางอย่างเป็นเรื่องใหม่ อย่างแรกคือวิธีการค้นหาที่มีจุดมุ่งหมายเพื่อหลีกเลี่ยงกับดักยุทธวิธีและลดความเสียใจอย่างง่าย ๆ ผ่านการสำรวจเชิงเส้นและการเลือก backpropagation ที่เลือกใช้ผ่านการกำจัด-sble-puct ประการที่สองคือสถาปัตยกรรมระบบประสาทที่เรียบง่ายสำหรับความเห็นภาษาธรรมชาติเกี่ยวกับตำแหน่งและการเคลื่อนไหวร่วมกับการประยุกต์ใช้การสุ่มตัวอย่างนิวเคลียส (บนสุด) ที่เน้นไปที่ความถูกต้องกับความแปรปรวน-การสุ่มตัวอย่างโลภ

ผลลัพธ์คือชุดเครื่องมือในการเล่นหมากรุกฝึกอบรมเครือข่ายประสาท, เพิ่มประสิทธิภาพพารามิเตอร์, ความแข็งแกร่งของการทดสอบ, ข้อมูลการฝึกอบรมกระบวนการ, ดูและดีบักข้อมูลการฝึกอบรม, จัดระเบียบข้อมูลการฝึกอบรม, การทดสอบหน่วยและประสานงานกลุ่ม ในการปิดโครงการบอทจะถูกจัดตั้งขึ้นที่ https://lichess.org/@/playchesscoach เพื่อเล่นเกมกับผู้ท้าชิงและบอทอื่น ๆ และให้คำอธิบายแก่ผู้ชม

การวัด

บนคลาวด์ V3-8 รูปแบบใหม่ TPU VM:

  • การแข่งขัน ELO โดยประมาณ 3535 ที่ 40/15 เวลา, 3486 ที่ 300+3 ครั้ง, 3445 ที่ 60+0.6 เวลา, กับ Stockfish 14 กับ 8 เธรด, 8192 แฮช, 3-4-5 Syzygy, ตรึงอยู่ที่ 3550 ELO (รายละเอียด)
  • 125,000 โหนดต่อวินาที (NPS) (แตกต่างกัน 68,000 - 141,000 กับตำแหน่ง) (รายละเอียด)
  • 2,360 เกมเล่นด้วยตนเองต่อชั่วโมง (มีพื้นที่มากมายสำหรับการปรับปรุง) (รายละเอียด)
  • 3317 STS ELO การประมาณค่า (โดยทั่วไปแตกต่างกัน 3260 - 3350 ด้วยพารามิเตอร์) (รายละเอียด)
  • 117/199 คะแนน Arasan21 (โดยทั่วไปแตกต่างกัน 118 - 126 ด้วยพารามิเตอร์) (รายละเอียด)

เอกสาร

  • คำอธิบายระดับสูง
  • คำอธิบายทางเทคนิค
  • กระบวนการพัฒนา
  • ข้อมูล

โปรแกรม

  • Chesscoachuci เป็นเครื่องยนต์หมากรุกตัวเองใช้โปรโตคอล Universal Chess Interface (UCI)
  • ChessCoachtrain เป็นแกนหลักของโครงการสร้างข้อมูลเกมเล่นเองและฝึกอบรมเครือข่ายประสาท
  • Chesscoachoptimizeparameters ใช้เพื่อค้นหาสิ่งที่เหมาะสมที่สุดทั่วโลกสำหรับการรวบรวมพารามิเตอร์ที่มีผลต่อความแข็งแรงในการเล่นหมากรุกโดยใช้การเพิ่มประสิทธิภาพแบบเบย์ผ่าน Scikit-Optimize (SKOPT)
  • ChessCoachStrengthTest รันชุดทดสอบตำแหน่งและยุทธวิธีในรูปแบบคำอธิบายตำแหน่งขยาย (EPD) และให้คะแนนและบางครั้งการประเมินการให้คะแนน
  • ChessCoACHPGNTOGAMES ประมวลผลคอลเลกชันที่มีอยู่ของเกมในรูปแบบ Notation Game Portable (PGN) และสร้างข้อมูลการฝึกอบรมที่ได้รับการดูแลสำหรับเครือข่ายประสาทหลักหรือข้อมูลการฝึกอบรมความเห็น
  • Chesscoachgui (Windows-only) เปิดตัวส่วนต่อประสานผู้ใช้เว็บเพื่อวิเคราะห์ข้อมูลการฝึกอบรมผ่านบอร์ดหมากรุก อินเทอร์เฟซเดียวกันสามารถใช้แทนการค้นหาเครื่องยนต์แบบวิเคราะห์ได้โดยใช้ Chesscoachuci มากกว่า Chesscoachgui และป้อนคำสั่ง gui ก่อนที่จะค้นหา
  • Chesscoachtest ดำเนินการทดสอบ 36 ครั้งในการกำหนดค่า, เกม, MCTs, เครือข่าย, PGN, Poolallocator, PredictionCache และหมวดหมู่ Stockfish
  • Chesscoachbot วิ่งบอทบนแพลตฟอร์ม Lichess เล่นเกมและให้คำอธิบายตาม https://github.com/shailchoksi/lichess-bot
  • Cluster-Up/Down/Run/Kill.sh เป็นสคริปต์ที่จัดการคลัสเตอร์ Kubernetes ของ TPU แบบเก่าและคำนวณ VMS บน Google Cloud ประสานงานผ่าน Google Storage เพื่อสร้างข้อมูลการเล่นด้วยตนเองจำนวนมากขึ้นและฝึกอบรมข้อมูลนั้น
  • Alpha.py เป็นสคริปต์ที่จัดการคลัสเตอร์ของคลาวด์ TPU VM แบบใหม่ที่มีอยู่ในปัจจุบันผ่านการดูตัวอย่าง แต่เรียกว่า Alpha TPU VMS ในรหัส สิ่งเหล่านี้เร็วขึ้นและใช้งานได้ง่ายขึ้น แต่ในปัจจุบันขาดการสนับสนุน Kubernetes และต้องการการต่อสู้ SSH แทน
  • gsclean.py เป็นสคริปต์ง่ายๆสำหรับการทำความสะอาดจุดตรวจสอบเครือข่ายประสาทและภาพนักเทียบท่าใน Google Cloud Storage โดยใช้ภาคการศึกษาเช่น ลบเวอร์ชัน <= 29
  • Scrape.py เป็นสคริปต์ที่ใช้บริการ ScrapingBee เพื่อดาวน์โหลดเกมหมากรุกที่เปิดเผยต่อสาธารณะพร้อมคำอธิบาย
  • uci_proxy_client.py, uci_proxy_server.py เป็นสคริปต์ที่อนุญาตให้ใช้งานเครื่องยนต์หมากรุกบนเครื่องระยะไกลราวกับว่าอยู่ในเครื่องท้องถิ่น สิ่งนี้มีประโยชน์สำหรับการเรียกใช้ทัวร์นาเมนต์โดยใช้ TPUs เนื่องจากชิปคันเร่งแต่ละตัวสามารถจัดขึ้นได้โดยกระบวนการเดียวเท่านั้นและยังช่วยเพิ่มประสิทธิภาพการเพิ่มประสิทธิภาพพารามิเตอร์โดยใช้คลัสเตอร์ สิ่งเหล่านี้เป็นเพียงพร็อกซีอินพุต/เอาต์พุตมาตรฐานและไม่ทำอะไรที่เฉพาะเจาะจงกับ UCI
  • Docker-build-upload.sh เป็นสคริปต์ที่สร้างภาพ Docker สำหรับกลุ่มการฝึกอบรม/การเล่นด้วยตนเองและกลุ่มการเพิ่มประสิทธิภาพพารามิเตอร์แบบกระจาย รูปภาพจะถูกอัปโหลดไปยัง Google Container Registry (GCR) และอ้างอิงโดยคลัสเตอร์สไตล์เก่า-*. sh (ผ่านคลัสเตอร์-*. YAML) และสคริปต์อัลฟ่าสไตล์ใหม่กว่าสำหรับการจัดการคลัสเตอร์

ไฟล์

ไฟล์คีย์บางไฟล์อยู่ที่รูทรวมถึง config.toml ซึ่งขับเคลื่อนเครื่องมือส่วนใหญ่และอ่านจากรหัส C ++ และ Python Meson.build กำหนด Linux Build และ CPP/ChessCoach.SLN และ CPP/**/*. VCXPROJ กำหนด Windows Build setup.sh/.cmd และ build.sh/.cmd สคริปต์การตั้งค่าและการสร้างอัตโนมัติแม้ว่าจะต้องใช้ขั้นตอนเพิ่มเติม Dockerfiles ที่รูทกำหนดรูปภาพสำหรับแต่ละบทบาทของคนงานคลัสเตอร์และนักเทียบท่า-*. สคริปต์ SH ช่วยในการสร้างและอัปโหลดภาพเหล่านี้

ในไดเรกทอรีคลัสเตอร์ไฟล์. sh/.yaml จัดการกลุ่ม Kubernetes บน TPU แบบเก่ากว่าในขณะที่ PY/Alpha.py จัดการกลุ่มบน Cloud TPU VM แบบใหม่

ไดเรกทอรี CPP มีรหัส C ++ ส่วนใหญ่อยู่ใน CPP/ChessCoach CHESSCOACH C ++ รหัสส่วนใหญ่เป็นประสิทธิภาพ ห้องสมุดบุคคลที่สาม ได้แก่ CPP/CRC32C, CPP/Hunspell, CPP/NUMPY, CPP/Protobuf-3.13.0, CPP/Stockfish, CPP/TCLAP, CPP/TOML11 และ CPP/ZLIB ข้อมูลของบุคคลที่สามรวมถึง CPP/พจนานุกรมและ CPP/StrengthTests ไลบรารี C ++ ของบุคคลที่สามเพิ่มเติมได้รับการติดตั้งโดยใช้เครื่องมือแพ็คเกจขั้นสูง (APT) และค้นพบโดยระบบ Meson Build บน Linux และติดตั้งและค้นพบโดยใช้ NuGet บน Windows ไลบรารี CPP/Protobuf นั้นสร้างจากรหัสโดยใช้เครื่องมือ ProToc และ CPP/Protobuf/Chesscoach.proto

ไดเรกทอรี PY มีรหัส Python เข้าถึงหลักผ่าน Network.py จาก C ++ แต่ยังรวมถึงเครื่องมือสคริปต์แบบสแตนด์อโลน CHESSCOACH PYTHON CODE ส่วนใหญ่เกี่ยวข้องกับเครือข่ายประสาทและที่เก็บข้อมูลบนคลาวด์ มีการติดตั้งไลบรารี Python ของบุคคลที่สามเพิ่มเติมโดยใช้ PIP

ไดเรกทอรี JS มีการดีบัก GUI ที่ใช้ใน Chesscoachgui และ Chesscoachuci โดยอาศัย ChessboardJs

ไดเรกทอรีเครื่องมือประกอบด้วย Cutechess-CLI และ Bayeselo สำหรับการแข่งขันทัวร์นาเมนต์และคำนวณการจัดอันดับ ELO ของผู้เข้าร่วมรวมถึง Stockfish 13 Engine Binary เพื่อทำหน้าที่เป็นคู่ต่อสู้

ไดเรกทอรีสคริปต์มีสคริปต์สถานการณ์และสิ่งอำนวยความสะดวกต่างๆ

ไดเรกทอรี DOCS มีเอกสารและสินทรัพย์สนับสนุน

หลังจากการติดตั้ง ChessCoach จะหาข้อมูลแบบคงที่ AT/USR/LOCAL/Share/ChessCoach บน Linux และข้างไบนารีใน Windows มันค้นหาข้อมูลแบบไดนามิกที่ $ {XDG_DATA_HOME}/ChessCoach หรือล้มเหลวที่ ~/.local/Share/ChessCoach บน Linux และที่ %localAppData %/ChessCoach บน Windows ข้อมูลแบบไดนามิกยังสามารถอยู่ใน Google Cloud Storage; ตัวอย่างเช่น GS: // ChessCoach-EU/ChessCoach

การติดตั้ง

การติดตั้งล่วงหน้า

  1. ติดตั้ง Git และโคลนที่เก็บนี้
  2. ปรับแต่งพารามิเตอร์ใน config.toml ตาม GPU/TPU ตามแนวทางที่แสดงความคิดเห็น (อีกวิธีหนึ่งหากใช้ chesscoachuci ตัวเลือก Search_threads สามารถตั้งค่าได้ที่รันไทม์)

Linux (Debian/Ubuntu), GPU

หากทำงานบน Google Cloud มันสามารถทำให้การตั้งค่า GPU ง่ายขึ้นเพื่อใช้อิมเมจดิสก์การเรียนรู้ลึกที่สร้างไว้ล่วงหน้าด้วย CUDA 11

  1. ทำตามคำแนะนำการตั้งค่า Tensorflow GPU Linux หากไม่ได้ใช้อิมเมจดิสก์การเรียนรู้ที่ลึกที่สร้างไว้ล่วงหน้าบน Google Cloud
  2. run ./setup.sh (อาจใช้เวลา 30 นาทีในการสร้าง protobuf จากแหล่งที่มา)
  3. เพื่อเพิ่มการสนับสนุนความเห็น:
    • เรียกใช้ pip3 install -r requirements-all.txt
  4. เรียกใช้ sudo ./build.sh release install

Linux (Debian/Ubuntu), TPU แบบเก่าแก่

  1. เปิดใช้งาน Cloud TPU API
  2. สร้างการคำนวณ VM และ TPU ด้วยชื่อที่ตรงกันโซนและรุ่น TensorFlow
  3. run ./setup.sh (อาจใช้เวลา 30 นาทีในการสร้าง protobuf จากแหล่งที่มา)
  4. เพื่อเพิ่มการสนับสนุนความเห็น:
    • เรียกใช้ pip3 install -r requirements-all.txt
  5. เรียกใช้ sudo ./build.sh release install

Linux (Debian/Ubuntu), คลาวด์สไตล์ใหม่ TPU VM

  1. เปิดใช้งาน Cloud TPU API
  2. สร้างคลาวด์ TPU VM
  3. run ./setup.sh (อาจใช้เวลา 30 นาทีในการสร้าง protobuf จากแหล่งที่มา)
  4. เพื่อเพิ่มการสนับสนุนความเห็น:
    1. รับไบนารีส่วนตัวสำหรับ TF-nighting และ tf-text-nwights ที่ไม่ใช่ monolithic และสนับสนุน ops ที่กำหนดเอง
    2. เรียกใช้ pip3 install tf-models-official==2.5.0 (นี้ปิดกั้น TF-Nighting ที่ติดตั้งไว้ล่วงหน้า)
    3. เรียกใช้ pip3 uninstall tensorflow tf-slim tf-nightly
    4. ติดตั้งแพ็คเกจ TF-Nighthent ส่วนตัวด้วย --force-reinstall
    5. ติดตั้งแพ็คเกจ TF-Text-Nighthent ส่วนตัว
  5. เรียกใช้ sudo ./build.sh release install

Windows, GPU

  1. ติดตั้ง Visual Studio (ตัวอย่างเช่นชุมชน Visual Studio)
    • ติดตั้ง การพัฒนาเดสก์ท็อปด้วยส่วนประกอบ C ++
  2. ติดตั้ง Python และเพิ่มลงในเส้นทาง
    • มันสามารถทำให้การตั้งค่า GPU ง่ายขึ้นเพื่อติดตั้ง Python โดยใช้ Anaconda และติดตั้งแพ็คเกจ Anaconda Tensorflow-GPU
    • อัปเดต activate_virtual_env.cmd หากใช้ Anaconda หรือสภาพแวดล้อมเสมือนอื่น ค่าเริ่มต้นคือการพยายาม conda activate chesscoach แต่ก็โอเคถ้าสิ่งนี้ล้มเหลวเมื่อไม่ได้ใช้สภาพแวดล้อมเสมือนจริง
  3. ทำตามคำแนะนำการตั้งค่า Windows Tensorflow Windows หากไม่ได้ใช้แพ็คเกจ Anaconda Tensorflow-GPU
  4. เรียกใช้ setup.cmd (สิ่งนี้ตั้งค่า chesscoach_pythonhome หลังจากเรียกใช้ activate_virtual_env.cmd)
  5. เรียกใช้ build.cmd

หลังการติดตั้ง

ChessCoach อาศัยข้อมูลที่ติดตั้งเป็น $ {XDG_DATA_HOME}/ChessCoach หรือล้มเหลวที่ ~/.local/Share/ChessCoach บน Linux และที่ %localAppData %/ChessCoach บน Windows

ติดตั้งน้ำหนักเครือข่ายประสาท สิ่งนี้ต้องใช้การดาวน์โหลด 372 MIB และพื้นที่ดิสก์ 406 MIB

  • Linux: เรียกใช้ scripts/download_install_data.sh
  • Windows: เรียกใช้ scripts/download_install_data.cmd
  • หลังจากทำงานแล้ว…/Chesscoach/Networks/ChessCoach1_005600000 และ…/Chesscoach/Commentary/Tokenizer.model ควรมีอยู่
  • น้ำหนักเครือข่ายประสาทที่เข้าถึงได้โดยสคริปต์เหล่านี้อยู่ที่ https://github.com/chrisbutner/chesscoachdata/Releases/download/v1.0.0/data.zip

เป็นทางเลือกติดตั้งฐานตาราง table Syzygy endgame ไฟล์สำหรับ 3-4-5 ชิ้นใช้เวลาประมาณ 1 GIB และไฟล์สำหรับ 3-4-5 + 6 ชิ้นใช้เวลาประมาณ 150 GIB กระบวนการติดตั้งค่อนข้างทางเทคนิค

  1. ดาวน์โหลดไฟล์ WDL และ DTZ สำหรับชิ้นส่วนที่เลือกนับจาก https://syzygy-tables.info/ โดยใช้การดาวน์โหลดเว็บแบบเรียกซ้ำหรือดาวน์โหลด bittorrent
  2. ตรวจสอบความสมบูรณ์ของไฟล์โดยใช้เช็คที่ให้ไว้
  3. ติดตั้งไฟล์เป็น .../Chesscoach/Syzygy (หรือตั้งค่าตัวเลือก Syzygy UCI)

ในโหมดการจัดเก็บบนคลาวด์ตาราง Syzygy จะถูกจำลองแบบโดยอัตโนมัติไปยังที่เก็บข้อมูลท้องถิ่นเมื่อเปิดตัว

สคริปต์สคริปต์/ramdisk_syzygy6.sh ตั้งค่าดิสก์ RAM บนเครื่องจักรเช่นเมฆ TPU VM แบบใหม่เพื่อโฮสต์ตาราง 3-4-5 + 6 ชิ้นเมื่อหน่วยความจำสูง แต่พื้นที่ดิสก์ต่ำ เมื่อใช้ดิสก์คุณควรวางตารางเหล่านี้ไว้บน SSD เพื่อรักษาความเร็วในการค้นหา สคริปต์สคริปต์/ramdisk_syzygy6.sh ใช้เส้นทาง…/chesscoach/syzygy6 อาศัยการเปลี่ยนแปลงการกำหนดค่าใน config.toml แต่…/chesscoach/syzygy สามารถใช้แทนได้

Linux, หลังการติดตั้งสำหรับการสนับสนุนการจัดเก็บข้อมูล Google Cloud

  1. สร้างถังเก็บข้อมูลอัปเดต Cloud_Data_Root ใน config.toml และติดตั้งใหม่
  2. คัดลอกเครือข่ายที่จำเป็น, คำอธิบายโทเคนิเซอร์, ฐานตาราง syzygy, ข้อมูลการตรวจสอบความถูกต้อง ฯลฯ ไปยังถัง

Linux, หลังการติดตั้งสำหรับการสนับสนุนคลัสเตอร์

  1. เปิดใช้งาน คอนเทนเนอร์รีจิสทรี API
  2. เรียกใช้ export PROJECT_ID=<your Google Cloud project ID>
  3. อัปเดต distributed_zone ใน config.toml ด้วยโซนการคำนวณของคุณและติดตั้งใหม่

หากใช้ alpha.py (ส่วนนี้ยุ่งเป็นพิเศษ):

  1. เรียกใช้ cluster/cluster-prep-creds.sh เพื่อสร้างบัญชีบริการและไฟล์คีย์ที่สอดคล้องกัน
  2. อัปเดต Image_prefix ใน alpha.py ด้วยโดเมน Google Container Registry ที่คุณต้องการและรหัสโครงการ Google Cloud
  3. อัปเดต key_path ใน alpha.py ด้วยถังเก็บข้อมูลของคุณ
  4. คัดลอก key.json ไปยัง key_path โดยใช้ gsutil cp

ส่วนการฝึกอบรมแบบกระจายและการเล่นด้วยตนเองในคำอธิบายทางเทคนิคมีข้อมูลเพิ่มเติมเกี่ยวกับการจัดการกลุ่มที่มีอายุมากกว่าและใหม่กว่า

การใช้งาน

โปรแกรม Chesscoach ส่วนใหญ่ขึ้นอยู่กับ config.toml ที่สร้างขึ้นและติดตั้ง เป็นสิ่งสำคัญอย่างยิ่งที่จะต้องตั้งค่าพารามิเตอร์ Search_threads เมื่อเรียกใช้ Chesscoachuci ไม่ว่าจะผ่าน config.toml ในเวลาสร้างหรือตัวเลือก UCI ที่รันไทม์เพื่อหลีกเลี่ยงการอดอาหารเธรดจากการตั้งเวลาการทำนายที่ไม่เป็นธรรม

Binary Chesscoachuci สามารถโหลดเป็นเครื่องยนต์ UCI ในหมากรุก Guis ต่างๆ

อย่างไรก็ตามเมื่อใช้สภาพแวดล้อมเสมือนจริงสำหรับ Python อาจจำเป็นต้อง::

  • a) เปิดใช้งานสภาพแวดล้อมเสมือนจริงก่อนที่จะเปิดตัวหมากรุก GUI หรือ
  • b) โหลดเอ็นจิ้นโดยใช้สคริปต์ wrapper ที่เปิดใช้งานสภาพแวดล้อมเสมือนจริงก่อนที่จะเปิดตัว Chesscoachuci (สคริปต์สคริปต์/uci.cmd เป็นตัวอย่างเวลาการพัฒนาบน Windows)

Chesscoachuci เสนอคำสั่งที่กำหนดเองนอกเหนือจากโปรโตคอล UCI:

  • comment สร้างคำอธิบายภาษาธรรมชาติสำหรับตำแหน่งปัจจุบันและการย้ายครั้งสุดท้ายเล่น เป็นการดีที่สุดที่จะให้ประวัติการเคลื่อนไหวเต็มรูปแบบด้วย position startpos moves … คำสั่ง
  • gui ตั้งค่าสถานะการดีบัก GUI เพื่อเปิดตัวเมื่อเริ่มการค้นหา (ดังแสดงในรูปที่ 9 ในคำอธิบายระดับสูง)
  • ~ puct [moves …] [csv] แสดงข้อมูล Debug GUI ในรูปแบบข้อความ
  • ~ fen แสดงตำแหน่งปัจจุบันในสัญกรณ์ Forsyth - Edwards (FEN)

สำหรับการเล่นด้วยตนเองและการฝึกอบรมให้ดูที่การเล่นด้วยตนเองและกระบวนการฝึกอบรมในเอกสารข้อมูล

สำหรับยูทิลิตี้อื่น ๆ ที่ระบุไว้ในโปรแกรมให้ค้นหาความคิดเห็นใน config.toml สำหรับคำแนะนำการกำหนดค่า สาธารณูปโภคจำนวนมากสนับสนุนอาร์กิวเมนต์ --help เนื้อหาของสคริปต์ในไดเรกทอรีสคริปต์สามารถแสดงตัวอย่างได้ เมื่อใช้สภาพแวดล้อมเสมือนจริงสำหรับ Python อาจต้องเปิดใช้งานก่อนที่จะใช้ยูทิลิตี้แม้ว่าบางคนจะไม่ขึ้นอยู่กับ Python

การทดสอบกำลังดำเนินการ

ลินเวกซ์

เรียกใช้ build/gcc/debug/ChessCoachTest หรือ build/gcc/release/ChessCoachTest

หน้าต่าง

เรียกใช้ activate_virtual_env.cmd จากนั้น cpp/x64/Debug/ChessCoachTest.exe หรือ cpp/x64/Release/ChessCoachTest.exe

นอกจากนี้คุณยังสามารถเรียกใช้/ดีบักโครงการ ChessCoachTest ภายใน Visual Studio หรือใช้อินเตอร์เฟส Explorer Test Interface ภายใน Visual Studio

กิตติกรรมประกาศ

โปรแกรม TPU Research Cloud (TRC) ของ Google นั้นมีความใจกว้างเป็นพิเศษกับทรัพยากรการคำนวณที่ทำให้โครงการนี้เป็นไปได้และฉันขอขอบคุณ Jonathan Caton โดยเฉพาะอย่างยิ่งสำหรับการทำให้สิ่งต่าง ๆ เกิดขึ้น

ฉันรู้สึกซาบซึ้งมากกับทีมงานคลาวด์ TPU ของ Google สำหรับการใช้งาน Cloud TPU VMS และโดยเฉพาะอย่างยิ่ง Michael Banfield สำหรับความช่วยเหลือด้านวิศวกรรมตลอดอัลฟ่าของเทคโนโลยีใหม่

ฉันขอขอบคุณ Karlson Pfannschmidt (Paderborn University) ซึ่งมีเครื่องมือปรับแต่งหมากรุกและการใช้งาน Bayes-Skopt และคำแนะนำเกี่ยวกับการเพิ่มประสิทธิภาพแบบเบย์นั้นมีค่ามากในการเสริมสร้างเครื่องยนต์หมากรุก

ฉันรู้สึกขอบคุณ Matthew Lai (DeepMind) มากที่ให้ความสำคัญกับการชี้แจงที่สำคัญบนกระดาษ Alphazero

ฉันขอขอบคุณ Pierre de Wulf ที่ให้เครดิตการวิจัยสำหรับ Scrapingbee เพื่อเปิดใช้งานการฝึกอบรมความเห็นทางธรรมชาติใน Chesscoach

ขอบคุณ Ted Li สำหรับความคิดที่มีค่าและการอภิปรายเมื่อเริ่มโครงการ

ขอบคุณ Freya Wilcox สำหรับความช่วยเหลือเกี่ยวกับการสร้างต้นแบบแผนภาพ

และขอขอบคุณเป็นพิเศษสำหรับ Gary Butner และ Lynelle Rafton สำหรับการแก้ไขการพิสูจน์อักษรและการสนับสนุน

ใบอนุญาต

ChessCoach เปิดตัวภายใต้ใบอนุญาต GPLV3 หรือใหม่กว่า

ติดต่อ

Chris Butner, [email protected]

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด