アカウント名:
パスワード:
今の将棋AIのトレンドは、GPUを酷使するタイプのディープラーニングAIなんだそうですよ。しかもこの1年ぐらいで一気に強くなった。GPU型のAIは序盤が強いらしい。その一方、終盤に弱点があって詰みを見逃すこともあるとのこと。
スレッドリッパー使うタイプの、CPUをぶん回す型のAIはディープラーニングではない古いタイプ(よく分からんけど多分力業で探索するタイプ？)なので、GPU型とは性格が異なるとのこと。CPU型のAIは終盤が強くてまず間違えない。一方、序盤は間違えることがけっこうあるとのこと。
この性格の違うAIを組み合わせるのが最強っぽいですね。実際、将棋AIの大会では、基本がGPU型で終盤詰みがあるかを別の処理(CPU型)で行うタイプが強いみたい。
一方、将棋の研究というのは、将棋AIと対戦して腕を磨くとかではなくて、ある局面からの変化などをAIで調べて、それを理解して身につけることが必要とのこと。なのでCPU型/GPU型を併用して研究することになるらしいです。実際の対局でも、GPU型で研究しただろうと思われる戦型が出てきている模様。
ところで、そのGPU型のAIで使うGPUはnVidiaのものが主流なんですよね。っていうか多分AMDのGPUは対応してない。この辺り、AMDとスポンサー契約した影響でAMDのGPUも使われるようになると面白いんですが。
CPU(例:水匠)もGPU(例:dlshogi)も両方必要、です。暗号通貨のマイニングよろしくCPUはCore iで十分、GPUだけ盛ればいいって2010年代の流れが(藤井先生がThreadripperに映ればいいや程度のGPUを用いているように)NNUE系評価関数の実装(2018年～)でCPUもメモリも盛らなきゃだめだよねってなったのが2020年代です。序盤のGPU、終盤のCPU。
プロ棋士向け最強将棋AIマシンを組む！https://www.itmedia.co.jp/news/series/27483/ [itmedia.co.jp]
nVidiaのCUDAに相当するものが、おそらく「 ROCm [wikipedia.org]」だろうけど、周回遅れの後追いだからねぇ。
（将棋AIのことはよくわからんが）ROCmで動く汎用機械学習フレームワークもあるにはある。とりあえず「Caffe [berkeleyvision.org]」のROCm版である「HIPCaffe [amd.com]」 や「TensorFlow [tensorflow.org]」と「Pytorch [pytorch.org]」が挙げられるみたい。（その他はWikipediaを見て）
ただし日本語
OpenCLとかそれとかを出しては無視され出しては無視されを繰り返してるのがNVIDIA以外の大手プロセッサメーカーの現状だと思う。 Intelのxpu戦略が筋が良さそうに見えるがあれはパテントで潰されそう。
Google ColaboratoryでCPUでPytorchを使おうとした。当然Pytorchだけなら最新バージョンで動く。
だがtorchtextとか使おうとしたら、転がってるソースとバージョンを合わせなせれば動かなかったり。まあバージョンが明記されていればpipで入れ直すだけですけど。明記されていなくても、Stack Overflowに書いていたりしますけど。
ありがちと言えばありがちだが、この場合、torchtext以外の物と組み合わせて使おうとしたらどうなるんだろう？と思った。
CPUとソフトウェアだけでこうなので、冒険的な事をしようと思う場合は、GPUだのフレームワークだのは保守的なチョイスになったりするのかなあ。
自己レスをすれば、ROCmなどがもっと使われて、こなれてくれば良いのだろうけど。選択肢が増えるのは良いよね。
基本的に CUDA を使っているケースが多いので NVIDIA GPU が主流みたいですね一応、dlshogi には tensorrt 版（NVIDIA 版）の他に AMD/Intel の GPU でも動作する onnxruntime 版がありますただしtensorrt 版の方が高速なようです [zenn.dev]
# NVIDIA を nVidia あるいは nVIDIA [twitter.com] と書く人を見ると、ASUS の読みが統一された騒動を思い出すなぁ
性能差はプロセッサのせいなのか実装のせいなのか…
基本的にはGPUのハード性能差です。NVIDIAのハイエンドGPUのTensorRTがかなり高速。他社のGPUはゲームグラフィックに直接作用しないDNN向けの演算は弱い。
より多くのコメントがこの議論にあるかもしれませんが、JavaScriptが有効ではない環境を使用している場合、クラシックなコメントシステム(D1)に設定を変更する必要があります。
Stableって古いって意味だっけ？ -- Debian初級
GPU使うタイプのAI (スコア:3, 興味深い)
今の将棋AIのトレンドは、GPUを酷使するタイプのディープラーニングAIなんだそうですよ。
しかもこの1年ぐらいで一気に強くなった。
GPU型のAIは序盤が強いらしい。その一方、終盤に弱点があって詰みを見逃すこともあるとのこと。
スレッドリッパー使うタイプの、CPUをぶん回す型のAIはディープラーニングではない古いタイプ(よく分からんけど多分力業で探索するタイプ？)なので、GPU型とは性格が異なるとのこと。
CPU型のAIは終盤が強くてまず間違えない。一方、序盤は間違えることがけっこうあるとのこと。
この性格の違うAIを組み合わせるのが最強っぽいですね。
実際、将棋AIの大会では、基本がGPU型で終盤詰みがあるかを別の処理(CPU型)で行うタイプが強いみたい。
一方、将棋の研究というのは、将棋AIと対戦して腕を磨くとかではなくて、ある局面からの変化などをAIで調べて、それを理解して身につけることが必要とのこと。
なのでCPU型/GPU型を併用して研究することになるらしいです。
実際の対局でも、GPU型で研究しただろうと思われる戦型が出てきている模様。
ところで、そのGPU型のAIで使うGPUはnVidiaのものが主流なんですよね。っていうか多分AMDのGPUは対応してない。
この辺り、AMDとスポンサー契約した影響でAMDのGPUも使われるようになると面白いんですが。
CPUもGPUも必要 (スコア:3, 興味深い)
CPU(例:水匠)もGPU(例:dlshogi)も両方必要、です。
暗号通貨のマイニングよろしくCPUはCore iで十分、GPUだけ盛ればいいって2010年代の流れが
(藤井先生がThreadripperに映ればいいや程度のGPUを用いているように)
NNUE系評価関数の実装(2018年～)でCPUもメモリも盛らなきゃだめだよねってなったのが2020年代です。
序盤のGPU、終盤のCPU。
プロ棋士向け最強将棋AIマシンを組む！
https://www.itmedia.co.jp/news/series/27483/ [itmedia.co.jp]
AMD（Radeon）とディープラーニング (スコア:0)
nVidiaのCUDAに相当するものが、おそらく「 ROCm [wikipedia.org]」だろうけど、周回遅れの後追いだからねぇ。
（将棋AIのことはよくわからんが）ROCmで動く汎用機械学習フレームワークもあるにはある。とりあえず「Caffe [berkeleyvision.org]」のROCm版である「HIPCaffe [amd.com]」 や「TensorFlow [tensorflow.org]」と「Pytorch [pytorch.org]」が挙げられるみたい。（その他はWikipediaを見て）
ただし日本語
Re: (スコア:0)
OpenCLとかそれとかを出しては無視され出しては無視されを繰り返してるのがNVIDIA以外の大手プロセッサメーカーの現状だと思う。 Intelのxpu戦略が筋が良さそうに見えるがあれはパテントで潰されそう。
Re: (スコア:0)
Google ColaboratoryでCPUでPytorchを使おうとした。
当然Pytorchだけなら最新バージョンで動く。
だがtorchtextとか使おうとしたら、転がってるソースとバージョンを合わせなせれば動かなかったり。
まあバージョンが明記されていればpipで入れ直すだけですけど。
明記されていなくても、Stack Overflowに書いていたりしますけど。
ありがちと言えばありがちだが、この場合、torchtext以外の物と組み合わせて使おうとしたらどうなるんだろう？と思った。
CPUとソフトウェアだけでこうなので、冒険的な事をしようと思う場合は、GPUだのフレームワークだのは保守的なチョイスになったりするのかなあ。
Re: (スコア:0)
自己レスをすれば、ROCmなどがもっと使われて、こなれてくれば良いのだろうけど。選択肢が増えるのは良いよね。
Re: (スコア:0)
基本的に CUDA を使っているケースが多いので NVIDIA GPU が主流みたいですね
一応、dlshogi には tensorrt 版（NVIDIA 版）の他に AMD/Intel の GPU でも動作する onnxruntime 版があります
ただしtensorrt 版の方が高速なようです [zenn.dev]
# NVIDIA を nVidia あるいは nVIDIA [twitter.com] と書く人を見ると、ASUS の読みが統一された騒動を思い出すなぁ
Re: (スコア:0)
性能差はプロセッサのせいなのか実装のせいなのか…
Re: (スコア:0)
基本的にはGPUのハード性能差です。
NVIDIAのハイエンドGPUのTensorRTがかなり高速。
他社のGPUはゲームグラフィックに直接作用しないDNN向けの演算は弱い。