跳至主要内容

KataGo 實戰入門指南

本章節將帶你從安裝到實際使用 KataGo，涵蓋所有實用操作知識。無論你是想將 KataGo 整合到自己的應用程式，還是想深入研究其原始碼，這裡都是你的起點。

為什麼選擇 KataGo？​

在眾多圍棋 AI 中，KataGo 是目前最佳選擇，原因如下：

優勢說明
棋力最強在公開測試中持續保持最高水準
功能最全目數預測、領地分析、多規則支援
完全開源MIT 授權，可自由使用和修改
持續更新活躍的開發和社群支援
文件完善官方文件詳盡，社群資源豐富
多平台支援Linux、macOS、Windows 皆可運行

本章內容​

安裝與設定​

從零開始建置 KataGo 環境：

  • 系統需求與硬體建議
  • 各平台安裝步驟（macOS / Linux / Windows）
  • 模型下載與選擇指南
  • 設定檔詳細說明

常用指令​

掌握 KataGo 的使用方式：

  • GTP（Go Text Protocol）協議介紹
  • 常用 GTP 指令與範例
  • Analysis Engine 使用方法
  • JSON API 完整說明

原始碼架構​

深入了解 KataGo 的實作細節：

  • 專案目錄結構概覽
  • 神經網路架構解析
  • 搜索引擎實作細節
  • 訓練流程概述

快速開始​

如果你只是想快速嘗試 KataGo，以下是最簡單的方式：

macOS（使用 Homebrew）​

# 安裝
brew install katago

# 下載模型（選擇較小的模型用於測試）
curl -L -o kata-b18c384.bin.gz \
  https://media.katagotraining.org/uploaded/networks/models/kata1/kata1-b18c384nbt-s9996604416-d4316597426.bin.gz

# 運行 GTP 模式
katago gtp -model kata-b18c384.bin.gz -config gtp_example.cfg

Linux（預編譯版）​

# 下載預編譯版本
wget https://github.com/lightvector/KataGo/releases/download/v1.15.3/katago-v1.15.3-opencl-linux-x64.zip

# 解壓縮
unzip katago-v1.15.3-opencl-linux-x64.zip

# 下載模型
wget https://media.katagotraining.org/uploaded/networks/models/kata1/kata1-b18c384nbt-s9996604416-d4316597426.bin.gz

# 運行
./katago gtp -model kata-b18c384nbt-*.bin.gz -config default_gtp.cfg

驗證安裝​

成功啟動後，你會看到 GTP 提示符。試著輸入以下指令：

name
= KataGo

version
= 1.15.3

boardsize 19
=

genmove black
= Q16

使用場景指南​

根據你的需求，以下是建議的閱讀順序和重點：

場景 1：整合到圍棋 App​

你想要在自己的圍棋應用中使用 KataGo 作為 AI 引擎。

重點閱讀：

  1. 安裝與設定 - 了解部署需求
  2. 常用指令 - 特別是 Analysis Engine 部分

關鍵知識：

  • 使用 Analysis Engine 模式而非 GTP 模式
  • 透過 JSON API 與 KataGo 通訊
  • 根據硬體調整搜索參數

場景 2：建置對弈伺服器​

你想要架設一個讓使用者與 AI 對弈的伺服器。

重點閱讀：

  1. 安裝與設定 - GPU 設定部分
  2. 常用指令 - GTP 協議部分

關鍵知識：

  • 使用 GTP 模式進行對弈
  • 多實例部署策略
  • 棋力調整方法

場景 3：研究 AI 演算法​

你想要深入研究 KataGo 的實作，可能想要修改或實驗。

重點閱讀：

  1. 原始碼架構 - 全文精讀
  2. 背景知識章節的所有論文解讀

關鍵知識：

  • C++ 程式碼結構
  • 神經網路架構細節
  • MCTS 實作方式

場景 4：訓練自己的模型​

你想要從頭訓練或微調 KataGo 模型。

重點閱讀：

  1. 原始碼架構 - 訓練流程部分
  2. KataGo 論文解讀

關鍵知識：

  • 訓練資料格式
  • 訓練腳本使用
  • 超參數設定

硬體建議​

KataGo 可以在各種硬體上運行，但效能差異很大：

硬體配置預期效能適用場景
高階 GPU（RTX 4090）~2000 playouts/sec頂級分析、快速搜索
中階 GPU（RTX 3060）~500 playouts/sec一般分析、對弈
入門 GPU（GTX 1650）~100 playouts/sec基本使用
Apple Silicon（M1/M2）~200-400 playouts/secmacOS 開發
純 CPU~10-30 playouts/sec學習、測試
提示

即使是較慢的硬體，KataGo 也能提供有價值的分析。搜索量減少會降低精確度，但對於教學和學習通常已經足夠。

常見問題​

KataGo 與 Leela Zero 有什麼不同？​

面向KataGoLeela Zero
棋力更強較弱
功能豐富（目數、領地）基本
多規則支援不支援
開發狀態活躍維護模式
訓練效率高較低

需要 GPU 嗎？​

不是必須的，但強烈建議：

  • 有 GPU：可以進行快速分析，獲得高品質結果
  • 無 GPU：可以使用 Eigen 後端，但速度較慢

模型檔案差異？​

模型大小檔案大小棋力速度
b10c128~20 MB中等最快
b18c384~140 MB強快
b40c256~250 MB很強中
b60c320~500 MB最強慢

通常建議使用 b18c384 或 b40c256，在棋力和速度之間取得平衡。

相關資源​

準備好了嗎？讓我們從安裝與設定開始吧！