将棋でディープラーニングの実験をするためのプロジェクトです。
基本的にAlphaGo/AlphaZeroの手法を参考に実装していく方針です。
検討経緯、実験結果などは、随時こちらのブログに掲載していきます。
http://tadaoyamaoka.hatenablog.com/
Releasesからダウンロードできます。
最新のモデルファイルは、棋神アナリティクスでご利用いただけます。
| フォルダ | 説明 |
|---|---|
| cppshogi | Aperyを流用した将棋ライブラリ(盤面管理、指し手生成)、入力特徴量作成 |
| dlshogi | ニューラルネットワークの学習(Python) |
| dlshogi/utils | ツール類 |
| selfplay | MCTSによる自己対局 |
| test | テストコード |
| usi | 対局用USIエンジン |
| usi_onnxruntime | OnnxRuntime版ビルド用プロジェクト |
- Windows 11 64bit
- Visual Studio 2022
- Ubuntu 18.04 LTS / 20.04 LTS
- g++
- CUDA 12.1
- cuDNN 8.9
- TensorRT 8.6
TensorRT 8をデフォルトとし、TENSORRT10を定義するとTensorRT 10向けにビルドします。
Visual StudioのTensorRT使用プロジェクト(x64)は、TENSORRT10定義、TensorRT 10.16.1、CUDA 13.4の設定です。
TensorRT 8に戻す場合は、定義を外し、インクルード・ライブラリ・CUDAのパスと
リンク対象(nvinfer.lib;nvparsers.lib;nvonnxparser.lib)をTensorRT 8環境に合わせてください。
Linuxではmake TENSORRT10=1で切り替えます(TensorRT 10のヘッダー・ライブラリへのパスは環境に合わせて設定)。
TensorRT 10のエンジンキャッシュはファイル名に.trt10を付け、TensorRT 8と区別します。
推論には対応GPUでFP16、それ以外ではFP32を使用します。
※CUDA 10.0以上であれば変更可
上記USIエンジンのビルド環境に加えて以下が必要
- 将棋の局面管理、合法手生成に、Aperyのソースコードを使用しています。
- モンテカルロ木探索の実装は囲碁プログラムのRay+Rnの実装を参考にしています。
- 探索部の一部にLeela Chess Zeroのソースコードを流用しています。
- 王手生成などに、やねうら王のソースコードを流用しています。
ライセンスはGPL3ライセンスとします。