LizGoban アップデート
LizGoban 0.8.0がリリースされました。
https://github.com/kaorahi/lizgoban/releases/tag/v0.8.0
KataGoを1.15.3に変更
指定された段級位に対して人間らしい手を打つ等「人間風」機能を追加
その他幾つかの機能を追加
詳細はリリースページをご覧ください。
導入方法はこちらをご覧ください
https://www.h-eba.jp/Lizzie/soft.html#gk16
https://github.com/kaorahi/lizgoban/releases/tag/v0.8.0
KataGoを1.15.3に変更
指定された段級位に対して人間らしい手を打つ等「人間風」機能を追加
その他幾つかの機能を追加
詳細はリリースページをご覧ください。
導入方法はこちらをご覧ください
https://www.h-eba.jp/Lizzie/soft.html#gk16
Eba
LizGoban 0.8.0の段級位設定について
最新のLizGobanは9段～20級の段級位設定ができますがHuman-like PlayとHuman-like Analisisの2種類があって
最初は違いがよくわかりません like Playは人間との対戦用でlike Analisisは棋譜解析用と覚えて下さい
市販の囲碁ソフト「最強の囲碁Zero」の段級位設定に近いのがlike Playでlike Analisisは最強の囲碁Zeroの
同じ段級位に比べて数ランク強くAnalisisの5段とZeroの9段は同じくらいの強さです
尚 当然ながらCPUモードとGPUモードは同じ段級位では思考時間は違いますが同等の棋力のようです
ほとんどノータイムで打ってくるGPUモードはやりにくいと思われる方は適度に思考するCPUモードがお勧めです
最新のLizzieも9段～20級の段級位設定ができますがAnalisisモードのみのようです
odagaki0621 
2024/11/21(Thu) 12:21 No.1616
最新のLizGobanは9段～20級の段級位設定ができますがHuman-like PlayとHuman-like Analisisの2種類があって最初は違いがよくわかりません like Playは人間との対戦用でlike Analisisは棋譜解析用と覚えて下さい
市販の囲碁ソフト「最強の囲碁Zero」の段級位設定に近いのがlike Playでlike Analisisは最強の囲碁Zeroの
同じ段級位に比べて数ランク強くAnalisisの5段とZeroの9段は同じくらいの強さです
尚 当然ながらCPUモードとGPUモードは同じ段級位では思考時間は違いますが同等の棋力のようです
ほとんどノータイムで打ってくるGPUモードはやりにくいと思われる方は適度に思考するCPUモードがお勧めです
最新のLizzieも9段～20級の段級位設定ができますがAnalisisモードのみのようです
odagaki0621 2024/11/21(Thu) 12:21 No.1616
新機能搭載の実験版KataGoエンジン
「eval cache」という新しい機能が追加された実験的なKataGoの実行ファイルが公開されています。
https://drive.google.com/drive/folders/11YaTh0dejdLJyw340dwS6o8_b8hkJeE7?usp=drive_link
この機能を有効にするためには、設定ファイルに以下の行を追加してください。
useEvalCache = true
evalCacheMinVisits = 100
https://drive.google.com/drive/folders/11YaTh0dejdLJyw340dwS6o8_b8hkJeE7?usp=drive_link
この機能を有効にするためには、設定ファイルに以下の行を追加してください。
useEvalCache = true
evalCacheMinVisits = 100
Re: 新機能搭載の実験版KataGoエンジン
Eba 2024/10/10(Thu) 10:53 No.1611
hope366さん、新しい情報をありがとうございます ひとつ教えてください
この「eval cache」というのはどのような機能なのでしょうか？
README.txtをみても書いてないようです
この「eval cache」というのはどのような機能なのでしょうか？
README.txtをみても書いてないようです
Eba 2024/10/10(Thu) 10:53 No.1611
Re: 新機能搭載の実験版KataGoエンジン
hope366 2024/10/10(Thu) 11:30 No.1612
lightvectorさんによる説明文を添付します。
保存されたデータの活用法に関することのようですが、専門的かつ英文ということで、よく理解することはできませんでした。
Here's an experimental branch that adds a long-lived eval cache that remembers positions that have a certain minimum number of visits that survives between repeated searches. Subsequent searches use the cache as a significant bias to hopefully converge faster than without.
https://github.com/lightvector/KataGo/pull/992
For example, if in live interactive analysis (e.g. Lizzie) you go into a variation that KataGo misevaluates or has some blind spot, and search it for a bit so that the evaluation becomes correct or the blind spot move is found, then you go back to a prior position, the new search from the prior spot should make use of the corrected eval within that variation.
It's not perfect at "using" the corrected eval because there's a real challenge in figuring out how to weight the cache vs the fresh search.
You want to smoothly interpolate between the cache and a fresh search as the fresh search gets more visits, but how do you it without double-counting the weight from the cache given that the child nodes of the fresh search may themselves be using the cache?
What if you do a large search that didn't find a blind spot and so now the non-blind-spot eval gets cached with huge number of visits and is now is a bad bias that is super-hard to overcome?
So in making use of the cache soft enough to try to mitigate these kinds of things, it also results in the cache not being perfectly sharp at re-using the value. It's a just smooth bias - so you should NOT expect child nodes to be "pinned" at the winrate you got from a deeper search after resolving a blind spot or misevaluation. Also, the cache is based on the exact position, using the same hash as used for graph search, so it will not generalize to fixing the same blind spot as soon as the opponent horizon-effects with an irrelevant ko threat, unless you also search those positions and get them cached too.
This is rough and experimental. The cache has no maximum size (so will go on eating more and more memory over time), can't be cleared, and can't be saved right now either. I've only tested it with Lizzie, but the change also shouldn't care about GTP vs analysis engine, should work with both as long as you're repeating searches.
The min number of visits to cache defaults to 100 if not changed, users with powerful GPUs that are running longer might benefit from increasing this number to ensure that evals that get do cached are of better quality, although I'm not entirely sure.
保存されたデータの活用法に関することのようですが、専門的かつ英文ということで、よく理解することはできませんでした。
Here's an experimental branch that adds a long-lived eval cache that remembers positions that have a certain minimum number of visits that survives between repeated searches. Subsequent searches use the cache as a significant bias to hopefully converge faster than without.
https://github.com/lightvector/KataGo/pull/992
For example, if in live interactive analysis (e.g. Lizzie) you go into a variation that KataGo misevaluates or has some blind spot, and search it for a bit so that the evaluation becomes correct or the blind spot move is found, then you go back to a prior position, the new search from the prior spot should make use of the corrected eval within that variation.
It's not perfect at "using" the corrected eval because there's a real challenge in figuring out how to weight the cache vs the fresh search.
You want to smoothly interpolate between the cache and a fresh search as the fresh search gets more visits, but how do you it without double-counting the weight from the cache given that the child nodes of the fresh search may themselves be using the cache?
What if you do a large search that didn't find a blind spot and so now the non-blind-spot eval gets cached with huge number of visits and is now is a bad bias that is super-hard to overcome?
So in making use of the cache soft enough to try to mitigate these kinds of things, it also results in the cache not being perfectly sharp at re-using the value. It's a just smooth bias - so you should NOT expect child nodes to be "pinned" at the winrate you got from a deeper search after resolving a blind spot or misevaluation. Also, the cache is based on the exact position, using the same hash as used for graph search, so it will not generalize to fixing the same blind spot as soon as the opponent horizon-effects with an irrelevant ko threat, unless you also search those positions and get them cached too.
This is rough and experimental. The cache has no maximum size (so will go on eating more and more memory over time), can't be cleared, and can't be saved right now either. I've only tested it with Lizzie, but the change also shouldn't care about GTP vs analysis engine, should work with both as long as you're repeating searches.
The min number of visits to cache defaults to 100 if not changed, users with powerful GPUs that are running longer might benefit from increasing this number to ensure that evals that get do cached are of better quality, although I'm not entirely sure.
hope366 2024/10/10(Thu) 11:30 No.1612
Re: 新機能搭載の実験版KataGoエンジン
Eba 2024/10/10(Thu) 11:46 No.1613
Pull requests#992で発表されていましたね
簡単に言うと今までより分析が詳細になり速度が速くなる（可能性がある）ということでしょうか
hope366さん、ありがとうございました
簡単に言うと今までより分析が詳細になり速度が速くなる（可能性がある）ということでしょうか
hope366さん、ありがとうございました
Eba 2024/10/10(Thu) 11:46 No.1613
Re: 新機能搭載の実験版KataGoエンジン
初心者 2024/10/12(Sat) 11:27 No.1614
これまで使用して来ていますが、理解が間違っていたようです。
設定＞初期設定＞Lizzieキャッシュのところにある選択で「可」を選べば、そこまでの検討を残して、他の手の検討を切り捨てて先を読んでいるのかと思っていました。
「？」をクリックして説明を読むと、これまでの過去の手に関する検討を残すか？どうかの設定だったんですね。
なるほど、推奨手通りに進めたときに、訪問数が0から再スタートする理由が分かった気がします。
上記の理解で間違っていれば、ご指摘ください。
設定＞初期設定＞Lizzieキャッシュのところにある選択で「可」を選べば、そこまでの検討を残して、他の手の検討を切り捨てて先を読んでいるのかと思っていました。
「？」をクリックして説明を読むと、これまでの過去の手に関する検討を残すか？どうかの設定だったんですね。
なるほど、推奨手通りに進めたときに、訪問数が0から再スタートする理由が分かった気がします。
上記の理解で間違っていれば、ご指摘ください。
初心者 2024/10/12(Sat) 11:27 No.1614
LizGoban アップデート
LizGoban 0.8.0-pre8がリリースされました。
https://github.com/kaorahi/lizgoban/releases/tag/v0.8.0-pre8
石の音を追加、その他細かい修正など
詳細はリリースページをご覧ください。
導入方法はこちらをご覧ください
https://www.h-eba.jp/Lizzie/soft.html#gk16
https://github.com/kaorahi/lizgoban/releases/tag/v0.8.0-pre8
石の音を追加、その他細かい修正など
詳細はリリースページをご覧ください。
導入方法はこちらをご覧ください
https://www.h-eba.jp/Lizzie/soft.html#gk16
Sayuriアップデート
version 0.8.0がリリースされました。
トランスフォーマーのような構造を持つ新しいネットワーク・ミキサー・ブロックがサポートされ、今年のUEC杯で２位となる実績をあげました。
https://github.com/CGLemon/Sayuri/releases/tag/v0.8.0
詳細はリリースページをご覧ください
使い方はこちら
https://www.h-eba.jp/Lizzie/soft.html#gk14
トランスフォーマーのような構造を持つ新しいネットワーク・ミキサー・ブロックがサポートされ、今年のUEC杯で２位となる実績をあげました。
https://github.com/CGLemon/Sayuri/releases/tag/v0.8.0
詳細はリリースページをご覧ください
使い方はこちら
https://www.h-eba.jp/Lizzie/soft.html#gk14
Sayuriバグフィクス
Eba 2024/09/25(Wed) 09:38 No.1608
version 0.8.1がリリースされました。
前バージョンのバグフィクスです
https://github.com/CGLemon/Sayuri/releases/tag/v0.8.1
詳細はリリースページをご覧ください
使い方はこちら
https://www.h-eba.jp/Lizzie/soft.html#gk14
前バージョンのバグフィクスです
https://github.com/CGLemon/Sayuri/releases/tag/v0.8.1
詳細はリリースページをご覧ください
使い方はこちら
https://www.h-eba.jp/Lizzie/soft.html#gk14
Eba 2024/09/25(Wed) 09:38 No.1608
LizGoban アップデート
LizGoban 0.8.0-pre7がリリースされました。
https://github.com/kaorahi/lizgoban/releases/tag/v0.8.0-pre7
［変更点］
AIとの対戦でsparというメニューが追加されました
これは練習用で、特定の段位や級位を持つ選手の技量を試す状況を作り出すことに重点を置いています
詳細はリリースページをご覧ください。
導入方法はこちらをご覧ください
https://www.h-eba.jp/Lizzie/soft.html#gk16
https://github.com/kaorahi/lizgoban/releases/tag/v0.8.0-pre7
［変更点］
AIとの対戦でsparというメニューが追加されました
これは練習用で、特定の段位や級位を持つ選手の技量を試す状況を作り出すことに重点を置いています
詳細はリリースページをご覧ください。
導入方法はこちらをご覧ください
https://www.h-eba.jp/Lizzie/soft.html#gk16