KataGo 简介
继 2016 年 AlphaGo 出圈以来，已有不少 Ai 模型，其中部分如下图[1]所示。
在线围棋对弈网站 OGS 上，使用 KataGo(https://online-go.com/)这款工具进行 Ai 分析，于是去了解了一下 KataGo。
KataGo 作者是 David Wu（毕业于哈佛大学，目前供职于 Jane Street，是一名从事人工智能研究的研究员)，“kata”一词出自日语，现在也成为了一个武术里的英文常用词汇，意思是通过左右互搏自我练习，慢慢精进棋盘上的招式[2]。
KataGo 官方地址：https://github.com/lightvector/KataGo
KataGo 论文：Accelerating Self-Play Learning in Go
KataGo 基于 AlphaZero 采用的蒙特卡洛树(Monte Carlo tree)进行大量训练速度上都优化，目前该仓库还在维护更新，一些更新的优化策略更新在仓库中。
KataGo 的模型也在不断训练更新，可以从下面这个地址下载到最新或效果最好的模型：https://katagotraining.org/networks/
KataGo+Sabaki 部署搭建
KataGo 仅仅是作为一个算法后端，一个完整的围棋助手还需要搭配图像化的前端界面，在本文中使用 Sabaki 作为前端界面。下面来进行搭建部署。
1.下载 KataGo
在 KataGo 仓库中，可以下载到 KataGo 的不同版本，主要包括以下四个：OpenCL (GPU)、CUDA (GPU)、TensorRT (GPU) 和 Eigen (CPU)。其中，推理速度最快的是 TensorRT (GPU)，但需要 Cuda 以及 TensorRT 版本去进行适配，配置起来较麻烦。因此，推荐下载 OpenCL 版本，无需繁琐配置，在日常主机上基本 5s 左右能算完一步，基本可用。
2.下载权重
在权重网站上下载最新或性能最好的权重，下载之后放置在 KataGo 文件夹中。
3.配置参数文件
在 Katago 文件夹用命令行执行命令(权重文件替换成自己下载的文件名)：
代码语言：JavaScript
复制
katago.exe genconfig -model 权重文件.bin.gz -output sabaki.cfg
生成配置文件的过程中要提问几个问题：
- 问 katago 默认的围棋规则是什么，选中国规则，输入：chinese，然后回车；
- 问 katago 要不要对读秒之类的时间规则加个额外限制，选不用。输入：n，然后回车；
- 问是否允许 katago 在对手读秒的时候思考，默认是否，直接回车；
- 问 katago 要使用哪个计算核心，只有一块显卡，选项是“0”，直接回车；
- 问 katago 的内存上限设置为多少，我的内存是 16GB，输入 8，直接回车。
然后就是 AI 引擎自己运行测试硬件的性能，自动选择参数生成配置文件 sabaki.cfg 后结束运行。
4.下载 Sabaki
Sabaki 官网：https://sabaki.yichuanshen.de/
在官网上下载 Sabaki 进行安装。
Github仓库：https://github.com/SabakiHQ/Sabaki/
打开软件，可以在文件-> 首选项修改语言信息。
5.配置 KataGo
在 Sabaki 引擎菜单下，勾选显示引擎侧边栏。
点击管理引擎，新增，设置 KataGo 路径，输入以下命令(权重文件替换成自己下载的文件名)：
代码语言：JavaScript
复制
gtp -model 权重文件.bin.gz -config sabaki.cfg
点击左上角 KataGo，弹出以下信息，则表明模型初始化成功。
之后，在新开对局设置中，将对手设置为 KataGo，就可以顺利和 Ai 对战了。甚至可以设置两个 KataGo，观看 Ai 之间的对决。
后记
不忘初心，拿着 KataGo 再次和同门进行挑战，非常顺利。
