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.

يوفّر KataGo أربع واجهات حوسبة هي CUDA وOpenCL وMetal وEigen؛ تحقق CUDA أفضل أداء على معالجات NVIDIA، وتعمل OpenCL عبر مختلف الشركات المصنّعة، وتُستخدم Metal على شرائح Apple Silicon، وEigen على المعالج المركزي فقط. ويتمثل مفتاح التحسين في اختيار الواجهة المناسبة وضبط حجم الدفعة (nnMaxBatchSize) وعدد الخيوط لاستغلال معالج الرسوميات بالكامل.

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​