[PYTHON] Deep Learning mit Shogi AI auf Mac und Google Colab

Buch "Deep Learning Learned with Shogi AI" von Tadao Yamaoka Ursprünglicher Quellcode https://github.com/TadaoYamaoka/python-dlshogi.git

Zweck

Führen Sie "Deep Learning with Shogi AI" auf iMac und Google Colab aus. Erstellen Sie eine Basisumgebung auf iMac und verwenden Sie die GPU von Google Colab nur beim Lernen.

Umgebung

iMac iMac 2020 27-Zoll-Standardmodell 3,1 GHz 6-Core Intel Core i5 Prozessor der 10. Generation Bis zu 4,5 GHz bei Verwendung von Turbo Boost 8 GB 2.666 MHz DDR4-Speicher 256 GB SSD-Speicher Radeon Pro 5300 (mit 4 GB GDDR6-Speicher) OS : Catalina Python: 3.8.2 und 2.7 vorinstalliert. Diesmal habe ich 3.8.2 verwendet. Google Colab Python 3.6.9

Zusammenfassung der Ergebnisse

Bereiten Sie die Datei auf der iMac-Seite vor und synchronisieren Sie sie mit Google Drive. image.png Das Lernen wird auf der Google Colab-Seite ausgeführt. image.png Spielen Sie auf iMac. image.png Spielvideo https://youtu.be/vPCsmi3_Zu8

Inhaltsverzeichnis

Google Colab verwenden </ b> [Google Colab vorbereiten](https://qiita.com/kazunoriri/items/ef116e1cf88b4649a9b7#google-colab%E3%82%92%E4%BD%BF%E3%81%88%E3%82% 8B% E7% 8A% B6% E6% 85% 8B% E3% 81% AB% E3% 81% 99% E3% 82% 8B) Lokale Seite Google Colab-Seite [Mount Drive](https://qiita.com/kazunoriri/items/ef116e1cf88b4649a9b7#%E3%83%89%E3%83%A9%E3%82%A4%E3%83%96%E3%82% 92% E3% 83% 9E% E3% 82% A6% E3% 83% B3% E3% 83% 88% E3% 81% 99% E3% 82% 8B) [GPU aktivieren](https://qiita.com/kazunoriri/items/ef116e1cf88b4649a9b7#gpu%E3%82%92%E6%9C%89%E5%8A%B9%E3%81%AB%E3% 81% 99% E3% 82% 8B) [Chainer installieren](https://qiita.com/kazunoriri/items/ef116e1cf88b4649a9b7#chainer%E3%82%92%E3%82%A4%E3%83%B3%E3%82%B9%E3%83% 88% E3% 83% BC% E3% 83% AB) [Installieren Sie Python-Shogi und Pydlshogi](https://qiita.com/kazunoriri/items/ef116e1cf88b4649a9b7#python-shogi%E3%81%A8pydlshogi%E3%82%92%E3%82%A4%E3%83% B3% E3% 82% B9% E3% 83% 88% E3% 83% BC% E3% 83% AB) Google Colab verwenden Lokal Colab-Seite Lernausführung Experiment 　　CPU vs GPU

Kapitel 1-6 </ b> Kapitel 1-5 [Kapitel 6 Deep Learning Framework](https://qiita.com/kazunoriri/items/32c45e46bb122ae1ef7c#%E7%AC%AC6%E7%AB%A0-%E3%83%87%E3%82%A3% E3% 83% BC% E3% 83% 97% E3% 83% A9% E3% 83% BC% E3% 83% 8B% E3% 83% B3% E3% 82% B0% E3% 83% 95% E3% 83% AC% E3% 83% BC% E3% 83% A0% E3% 83% AF% E3% 83% BC% E3% 82% AF) Warnung vor Chainer und Numpy

Kapitel 7 1-4 </ b> [Kapitel 7 Policy Network](https://qiita.com/kazunoriri/items/f91e39e36cf179750e5e#%E7%AC%AC7%E7%AB%A0-%E6%96%B9%E7%AD%96%E3% 83% 8D% E3% 83% 83% E3% 83% 88% E3% 83% AF% E3% 83% BC% E3% 82% AF) 　　7.1～7.4 　　　policy.py [Bedeutung von 194 Filtern](https://qiita.com/kazunoriri/items/f91e39e36cf179750e5e#%E3%83%95%E3%82%A3%E3%83%AB%E3%82%BF%E3% 83% BC% E6% 95% B0194% E5% 80% 8B% E3% 81% AE% E6% 84% 8F% E5% 91% B3) [Bedeutung des 1x1-Filters](https://qiita.com/kazunoriri/items/f91e39e36cf179750e5e#1x1%E3%83%95%E3%82%A3%E3%83%AB%E3%82%BF%E3%83 % BC% E3% 81% AE% E6% 84% 8F% E5% 91% B3) 　　　common.py 　　　　bb_rotate180() 　　　features.py 　　　　make_input_features() 　　　　make_input_features_from_board() 　　　　make_output_label() 　　　　make_features()

Kapitel 7 5-7 </ b> 　7.5～7.7 　　read_kifu.py 　　　read_kifu()

Kapitel 7 8 </ b> 　7.8 [Automatische Verwendung von GPU und CPU](https://qiita.com/kazunoriri/items/e8541358bb030742cb19#gpu%E3%81%A8cpu%E3%81%AE%E8%87%AA%E5%8B%95%E4 % BD% BF% E3% 81% 84% E5% 88% 86% E3% 81% 91) [Pickle-Protokoll](https://qiita.com/kazunoriri/items/e8541358bb030742cb19#pickle%E3%81%AE%E3%83%97%E3%83%AD%E3%83%88%E3%82% B3% E3% 83% AB) 　　train_policy.py

Kapitel 7 9 </ b> 　7.9 Lernausführung

Kapitel 8 1-4 </ b> [Implementierung der USI-Engine](https://qiita.com/kazunoriri/items/e313efd0026d56e65442#usi%E3%82%A8%E3%83%B3%E3%82%B8%E3%83%B3%E3%81 % AE% E5% AE% 9F% E8% A3% 85) 　　policy_player.py 　　　y = self.model(x) 　　　logits = y.data[0] 　　　probabilities = F.softmax(y).data[0] [Automatisches Umschalten zwischen GPU / CPU und PC](https://qiita.com/kazunoriri/items/e313efd0026d56e65442#gpucpu%E3%81%A8pc%E3%81%AE%E8%87%AA%E5%8B%95 % E5% 88% 87% E3% 82% 8A% E6% 9B% BF% E3% 81% 88) Strategieeinstellung Alle Codes Test [Test über die Befehlszeile](https://qiita.com/kazunoriri/items/e313efd0026d56e65442#%E3%82%B3%E3%83%9E%E3%83%B3%E3%83%89%E3%83% A9% E3% 82% A4% E3% 83% B3% E3% 81% 8B% E3% 82% 89% E3% 83% 86% E3% 82% B9% E3% 83% 88) [Getestet von Google Colab](https://qiita.com/kazunoriri/items/e313efd0026d56e65442#google-colab%E3%81%8B%E3%82%89%E3%83%86%E3%82%B9%E3 % 83% 88) Koordinaten

Kapitel 8 5-9 </ b> [Bei GUI-Software registrieren](https://qiita.com/kazunoriri/items/e0791fb8a975b58db275#gui%E3%82%BD%E3%83%95%E3%83%88%E3%81%AB%E7%99 % BB% E9% 8C% B2) [Problem, dass die Motorregistrierung nicht endet](https://qiita.com/kazunoriri/items/e0791fb8a975b58db275#%E3%82%A8%E3%83%B3%E3%82%B8%E3%83%B3%E7% 99% BB% E9% 8C% B2% E3% 81% 8C% E7% B5% 82% E3% 82% 8F% E3% 82% 89% E3% 81% AA% E3% 81% 84% E5% 95% 8F% E9% A1% 8C) Spiel

Kapitel 9 </ b> [Lerntechnik](https://qiita.com/kazunoriri/items/74c800bfa48cba34bb1c#%E5%AD%A6%E7%BF%92%E3%83%86%E3%82%AF%E3%83%8B% E3% 83% 83% E3% 82% AF) 　　SGD 　　Momentum SGD 　　SGD , Batch Normalization

Word </ b> 　shogi.BB_SQUARES 　shogi.COLORS 　shogi.CSA.Parser.parse_file(filepath) 　shogi.PIECE_TYPES_WITH_NONE 　shogi.MAX_PIECES_IN_HAND 　shogi.SQUARES Klasse verschieben 　　from_square 　　to_square Board-Klasse 　　piece_bb 　　occupied 　　pieces_in_hand

Recommended Posts