انتقل إلى المحتوى الرئيسي

واجهات GPU والتحسين

يقدم هذا المقال واجهات GPU المختلفة التي يدعمها KataGo، والفروقات في الأداء، وكيفية ضبطها للحصول على أفضل أداء.

نظرة عامة على الواجهات​

يدعم KataGo أربع واجهات حسابية:

الواجهةدعم الأجهزةالأداءصعوبة التثبيت
CUDANVIDIA GPUالأفضلمتوسطة
OpenCLNVIDIA/AMD/Intel GPUجيدسهلة
MetalApple Siliconجيدسهلة
EigenCPU فقطأبطأالأسهل

واجهة CUDA​

حالات الاستخدام​

  • NVIDIA GPU (GTX 10 series وأحدث)
  • الحاجة لأعلى أداء
  • وجود بيئة تطوير CUDA

متطلبات التثبيت​

# التحقق من إصدار CUDA
nvcc --version

# التحقق من cuDNN
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR
المكونالإصدار المقترح
CUDA11.x أو 12.x
cuDNN8.x
برنامج التشغيل470+

البناء​

cd KataGo/cpp
mkdir build && cd build

cmake .. -DUSE_BACKEND=CUDA \
         -DCUDNN_INCLUDE_DIR=/usr/local/cuda/include \
         -DCUDNN_LIBRARY=/usr/local/cuda/lib64/libcudnn.so

make -j$(nproc)

مميزات الأداء​

  • Tensor Cores: دعم تسريع FP16 (سلسلة RTX)
  • الاستدلال الدفعي: أفضل استخدام لـ GPU
  • إدارة الذاكرة: تحكم دقيق في VRAM

واجهة OpenCL​

حالات الاستخدام​

  • AMD GPU
  • Intel integrated graphics
  • NVIDIA GPU (بدون بيئة CUDA)
  • النشر عبر المنصات

متطلبات التثبيت​

# Linux - تثبيت حزمة تطوير OpenCL
sudo apt install ocl-icd-opencl-dev

# التحقق من أجهزة OpenCL المتاحة
clinfo

البناء​

cmake .. -DUSE_BACKEND=OPENCL
make -j$(nproc)

اختيار برنامج التشغيل​

نوع GPUبرنامج التشغيل المقترح
AMDROCm أو AMDGPU-PRO
Intelintel-opencl-icd
NVIDIAnvidia-opencl-icd

ضبط الأداء​

# config.cfg
openclDeviceToUse = 0          # رقم GPU
openclUseFP16 = auto           # نصف الدقة (عند الدعم)
openclUseFP16Storage = true    # تخزين FP16

واجهة Metal​

حالات الاستخدام​

  • Apple Silicon (M1/M2/M3)
  • نظام macOS

البناء​

cmake .. -DUSE_BACKEND=METAL
make -j$(sysctl -n hw.ncpu)

تحسين Apple Silicon​

بنية الذاكرة الموحدة في Apple Silicon لها مزايا خاصة:

# إعدادات Apple Silicon المقترحة
numNNServerThreadsPerModel = 1
nnMaxBatchSize = 16
numSearchThreads = 4

مقارنة الأداء​

الشريحةالأداء النسبي
M1~RTX 2060
M1 Pro/Max~RTX 3060
M2~RTX 2070
M3 Pro/Max~RTX 3070

واجهة Eigen (CPU فقط)​

حالات الاستخدام​

  • بيئة بدون GPU
  • الاختبار السريع
  • الاستخدام الخفيف

البناء​

sudo apt install libeigen3-dev
cmake .. -DUSE_BACKEND=EIGEN
make -j$(nproc)

توقعات الأداء​

CPU نواة واحدة: ~10-30 playouts/sec
CPU متعدد النواة: ~50-150 playouts/sec
GPU (متوسط): ~1000-3000 playouts/sec

معلمات ضبط الأداء​

المعلمات الأساسية​

# config.cfg

# === إعدادات الشبكة العصبية ===
# رقم GPU (لأجهزة GPU متعددة)
nnDeviceIdxs = 0

# عدد خيوط الاستدلال لكل نموذج
numNNServerThreadsPerModel = 2

# الحد الأقصى لحجم الدفعة
nnMaxBatchSize = 16

# حجم الذاكرة المؤقتة (2^N مواقع)
nnCacheSizePowerOfTwo = 20

# === إعدادات البحث ===
# عدد خيوط البحث
numSearchThreads = 8

# الحد الأقصى للزيارات لكل حركة
maxVisits = 800

دليل ضبط المعلمات​

nnMaxBatchSize​

صغير جداً: استخدام GPU منخفض، تأخر استدلال عالي
كبير جداً: VRAM غير كافي، وقت انتظار طويل

القيم المقترحة:
- 4GB VRAM: 8-12
- 8GB VRAM: 16-24
- 16GB+ VRAM: 32-64

numSearchThreads​

قليل جداً: لا يمكن إشباع GPU
كثير جداً: عنق زجاجة CPU، ضغط الذاكرة

القيم المقترحة:
- 1-2 ضعف عدد نوى CPU
- قريب من nnMaxBatchSize

numNNServerThreadsPerModel​

CUDA: 1-2
OpenCL: 1-2
Eigen: عدد نوى CPU

ضبط الذاكرة​

# تقليل استخدام VRAM
nnMaxBatchSize = 8
nnCacheSizePowerOfTwo = 18

# زيادة استخدام VRAM (تحسين الأداء)
nnMaxBatchSize = 32
nnCacheSizePowerOfTwo = 22

إعداد GPU متعدد​

جهاز واحد بـ GPU متعدد​

# استخدام GPU 0 و GPU 1
nnDeviceIdxs = 0,1

# عدد الخيوط لكل GPU
numNNServerThreadsPerModel = 2

توازن الحمل​

# توزيع الأوزان حسب أداء GPU
# GPU 0 أقوى، يحصل على عمل أكثر
nnDeviceIdxs = 0,0,1

الاختبار المعياري​

تشغيل الاختبار المعياري​

katago benchmark -model model.bin.gz -config config.cfg

تفسير المخرجات​

GPU 0: NVIDIA GeForce RTX 3080
Threads: 8, Batch Size: 16

Benchmark results:
- Neural net evals/second: 2847.3
- Playouts/second: 4521.8
- Time per move (1000 visits): 0.221 sec

Memory usage:
- Peak GPU memory: 2.1 GB
- Peak system memory: 1.3 GB

بيانات الأداء الشائعة​

GPUالنموذجPlayouts/ثانية
RTX 3060b18c384~2500
RTX 3080b18c384~4500
RTX 4090b18c384~8000
M1 Prob18c384~1500
M2 Maxb18c384~2200

تسريع TensorRT​

حالات الاستخدام​

  • NVIDIA GPU
  • السعي لأقصى أداء
  • قبول وقت تهيئة أطول

طريقة التفعيل​

# التفعيل عند البناء
cmake .. -DUSE_BACKEND=CUDA -DUSE_TENSORRT=ON

# أو استخدام الإصدار المبني مسبقاً
katago-tensorrt

تحسين الأداء​

CUDA القياسي: 100%
TensorRT FP32: +20-30%
TensorRT FP16: +50-80% (سلسلة RTX)
TensorRT INT8: +100-150% (يتطلب معايرة)

ملاحظات​

  • التشغيل الأول يتطلب بناء محرك TensorRT (عدة دقائق)
  • GPU مختلف يتطلب إعادة البناء
  • FP16/INT8 قد يقلل الدقة قليلاً

المشاكل الشائعة​

GPU غير مكتشف​

# التحقق من حالة GPU
nvidia-smi  # NVIDIA
rocm-smi    # AMD
clinfo      # OpenCL

# KataGo يعرض GPU المتاحة
katago gpuinfo

VRAM غير كافية​

# استخدام نموذج أصغر
# b18c384 → b10c128

# تقليل حجم الدفعة
nnMaxBatchSize = 4

# تقليل الذاكرة المؤقتة
nnCacheSizePowerOfTwo = 16

الأداء أقل من المتوقع​

  1. تأكد من استخدام الواجهة الصحيحة (CUDA > OpenCL > Eigen)
  2. تحقق من أن numSearchThreads كافٍ
  3. تأكد من أن GPU غير مشغول ببرامج أخرى
  4. استخدم أمر benchmark للتأكد من الأداء

قائمة فحص تحسين الأداء​

  • اختيار الواجهة الصحيحة (CUDA/OpenCL/Metal)
  • تثبيت أحدث برامج تشغيل GPU
  • ضبط nnMaxBatchSize ليتناسب مع VRAM
  • ضبط numSearchThreads ليتناسب مع CPU
  • تشغيل benchmark للتأكد من الأداء
  • مراقبة استخدام GPU (يجب > 80%)

قراءات إضافية​