KataGoインストールと設定
本文では各プラットフォームでのKataGoのインストール方法を詳しく紹介します。システム要件、インストール手順、モデル選択、設定ファイルの説明を含みます。
システム要件
ハードウェア要件
GPU（推奨）
| GPUタイプ | サポート状態 | 推奨バックエンド |
|---|---|---|
| NVIDIA（CUDA） | 最良サポート | CUDA |
| NVIDIA（CUDAなし） | 良好サポート | OpenCL |
| AMD | 良好サポート | OpenCL |
| Intel内蔵GPU | 基本サポート | OpenCL |
| Apple Silicon | 良好サポート | Metal / OpenCL |
CPUモード
適切なGPUがない場合、Eigenバックエンドで純CPU実行が可能です：
- 性能は低い（約10-30 playouts/sec）
- 学習、テスト、低負荷使用に適している
- AVX2命令セットサポートが必要（ほとんどの現代CPUがサポート）
ソフトウェア要件
| オペレーティングシステム | バージョン要件 |
|---|---|
| Linux | Ubuntu 18.04+、CentOS 7+、その他の現代ディストリビューション |
| macOS | 10.14+（Mojave以降） |
| Windows | Windows 10以降 |
バックエンド選択ガイド
macOSインストール
方法1：Homebrew（推奨）
最も簡単なインストール方法で、すべての依存関係を自動処理します。
# KataGoをインストール
brew install katago
# インストール確認
katago version
Homebrew版はデフォルトでOpenCLバックエンドを使用し、Intel MacとApple Silicon両方で動作します。
方法2：ソースからコンパイル
カスタムオプションや最新機能が必要なユーザー向けです。
依存関係のインストール
# CMakeとコンパイルツールをインストール
brew install cmake
# OpenCLを使用する場合
# macOSにはOpenCLサポートが組み込まれており、追加インストール不要
コンパイル手順
# ソースコードをクローン
git clone https://github.com/lightvector/KataGo.git
cd KataGo/cpp
# ビルドディレクトリを作成
mkdir build && cd build
# コンパイルオプションを設定（OpenCLバックエンド）
cmake .. -DUSE_BACKEND=OPENCL
# コンパイル
make -j$(sysctl -n hw.ncpu)
# コンパイル完了後、実行ファイルはbuild/katagoに
./katago version
Apple Silicon特別説明
M1/M2/M3 Macでは、OpenCLまたはMetalバックエンドの使用を推奨：
# OpenCLバックエンド（推奨、互換性が良い）
cmake .. -DUSE_BACKEND=OPENCL
# Metalバックエンド（実験的、より良い性能の可能性）
cmake .. -DUSE_BACKEND=METAL
Linuxインストール
方法1：プリコンパイル版（推奨）
GitHub Releasesからプリコンパイル版をダウンロード：
# OpenCL版をダウンロード（ほとんどの場合に適用）
wget https://github.com/lightvector/KataGo/releases/download/v1.15.3/katago-v1.15.3-opencl-linux-x64.zip
# またはCUDA版をダウンロード（NVIDIA GPU）
wget https://github.com/lightvector/KataGo/releases/download/v1.15.3/katago-v1.15.3-cuda11.1-linux-x64.zip
# 解凍
unzip katago-v1.15.3-*.zip
# 実行権限を付与
chmod +x katago
# インストール確認
./katago version
方法2：ソースからコンパイル
CUDAバックエンド（NVIDIA GPU）
# 依存関係をインストール
sudo apt update
sudo apt install cmake g++ libzip-dev
# CUDAをインストール（まだの場合）
# NVIDIA公式ガイドを参照：https://developer.nvidia.com/cuda-downloads
# クローンしてコンパイル
git clone https://github.com/lightvector/KataGo.git
cd KataGo/cpp
mkdir build && cd build
# CUDAバックエンドを設定
cmake .. -DUSE_BACKEND=CUDA
# コンパイル
make -j$(nproc)
OpenCLバックエンド（汎用GPU）
# 依存関係をインストール
sudo apt update
sudo apt install cmake g++ libzip-dev ocl-icd-opencl-dev
# OpenCLドライバをインストール
# NVIDIA: CUDAと一緒にインストール
# AMD: sudo apt install mesa-opencl-icd
# Intel: sudo apt install intel-opencl-icd
# クローンしてコンパイル
git clone https://github.com/lightvector/KataGo.git
cd KataGo/cpp
mkdir build && cd build
cmake .. -DUSE_BACKEND=OPENCL
make -j$(nproc)
Eigenバックエンド（純CPU）
# 依存関係をインストール
sudo apt update
sudo apt install cmake g++ libzip-dev libeigen3-dev
# クローンしてコンパイル
git clone https://github.com/lightvector/KataGo.git
cd KataGo/cpp
mkdir build && cd build
cmake .. -DUSE_BACKEND=EIGEN
make -j$(nproc)
Windowsインストール
方法1：プリコンパイル版（推奨）
- KataGo Releasesにアクセス
- 適切なバージョンをダウンロード：
katago-v1.15.3-cuda11.1-windows-x64.zip（NVIDIA GPU + CUDA）katago-v1.15.3-opencl-windows-x64.zip（その他のGPU）katago-v1.15.3-eigen-windows-x64.zip（純CPU）
- 指定ディレクトリに解凍
- コマンドプロンプトでテスト：
cd C:\path\to\katago
katago.exe version
方法2：ソースからコンパイル
環境準備
- Visual Studio 2019/2022をインストール（C++ツール含む）
- CMakeをインストール
- CUDAを使用する場合、CUDA Toolkitをインストール
コンパイル手順
# Developer Command Promptで実行
git clone https://github.com/lightvector/KataGo.git
cd KataGo\cpp
mkdir build
cd build
# CUDAバックエンド
cmake .. -G "Visual Studio 17 2022" -A x64 -DUSE_BACKEND=CUDA
# またはOpenCLバックエンド
cmake .. -G "Visual Studio 17 2022" -A x64 -DUSE_BACKEND=OPENCL
# コンパイル
cmake --build . --config Release
モデルのダウンロードと選択
KataGoは実行にニューラルネットワークモデルファイルが必要です。公式では様々なサイズのモデルを提供しています。
ダウンロード場所
公式モデルダウンロードページ：https://katagotraining.org/
または訓練サーバーから直接ダウンロード：
# 小さいモデル（テストや弱いハードウェア向け）
curl -L -o kata-b18c384.bin.gz \
"https://media.katagotraining.org/uploaded/networks/models/kata1/kata1-b18c384nbt-s9996604416-d4316597426.bin.gz"
# 中型モデル（推奨、性能と速度のバランス）
curl -L -o kata-b40c256.bin.gz \
"https://media.katagotraining.org/uploaded/networks/models/kata1/kata1-b40c256-s11840935168-d2898845681.bin.gz"
# 大型モデル（最強棋力、強力なGPUが必要）
curl -L -o kata-b60c320.bin.gz \
"https://media.katagotraining.org/uploaded/networks/models/kata1/kata1-b60c320-s11318001920-d2792783831.bin.gz"
モデル比較
| モデル | ネットワークサイズ | ファイルサイズ | 棋力 | 適用シーン |
|---|---|---|---|---|
| b10c128 | 10ブロック、128チャネル | ~20 MB | アマ高段 | CPU、弱GPU、クイックテスト |
| b18c384 | 18ブロック、384チャネル | ~140 MB | プロレベル | 一般GPU、日常分析 |
| b40c256 | 40ブロック、256チャネル | ~250 MB | 超人レベル | 中上級GPU、深い分析 |
| b60c320 | 60ブロック、320チャネル | ~500 MB | トップ超人 | ハイエンドGPU、トップ分析 |
選択の推奨
あなたのGPUは？
├─ RTX 3080/4080/4090 → b60c320またはb40c256
├─ RTX 3060/3070 → b40c256またはb18c384
├─ GTX 1660/2060 → b18c384
├─ エントリーレベルGPU → b18c384またはb10c128
└─ 純CPU → b10c128
基本設定ファイル説明
KataGoは.cfgフォーマットの設定ファイルを使用します。公式サンプル設定ファイルはcpp/configs/ディレクトリにあります。
重要な設定ファイル
| ファイル | 用途 |
|---|---|
gtp_example.cfg | GTPモードのサンプル設定 |
analysis_example.cfg | Analysis Engineのサンプル設定 |
default_gtp.cfg | GTPモードのデフォルト設定 |
コア設定項目
# =============
# ニューラルネットワーク設定
# =============
# ニューラルネットワークモデルファイルのパス
# 相対パスまたは絶対パスを使用可能
# model = /path/to/model.bin.gz
# =============
# 探索設定
# =============
# 1手あたりの最大探索訪問数
# この値を増やすと棋力が上がるが速度は低下
maxVisits = 500
# 1手あたりの最大思考時間（秒）
# 0は無制限（maxVisitsで制御）
maxTime = 0
# 各手で使用するスレッド数
numSearchThreads = 6
# =============
# ルール設定
# =============
# 囲碁ルール
# chinese = 中国ルール
# japanese = 日本ルール
# korean = 韓国ルール
# tromp-taylor = Tromp-Taylorルール
# aga = AGAルール
rules = chinese
# コミ
komi = 7.5
# =============
# GPU設定
# =============
# 使用するGPU番号（0から開始）
# 複数GPUはカンマ区切り：0,1,2
# -1は自動選択
nnDeviceIdxs = 0
# GPU当たりのバッチサイズ
# 大きいバッチはGPU利用率を向上
numNNServerThreadsPerModel = 1
# =============
# 高度な設定
# =============
# MCTS探索定数
# 大きい値は探索を増加、小さい値は活用を増加
cpuctExploration = 1.0
# ルートノードのDirichletノイズ
# 探索の多様性を増加
rootNoiseEnabled = true
rootDirichletNoisePruneFactor = 0.25
GTPモード設定例
my_gtp_config.cfgを作成：
# モデルパス
# modelは通常コマンドラインで指定、ここでは省略可能
# 探索設定
maxVisits = 1000
numSearchThreads = 4
# ルール
rules = chinese
komi = 7.5
# GPU設定
nnDeviceIdxs = 0
# ログ
logDir = ./logs
logToStderr = false
Analysis Engine設定例
my_analysis_config.cfgを作成：
# 探索設定
maxVisits = 500
numSearchThreads = 8
# レポート設定
# 各分析で報告する最大変化数
maxMoves = 10
# ルール（API呼び出しで上書き可能）
rules = chinese
komi = 7.5
# GPU設定
nnDeviceIdxs = 0
numNNServerThreadsPerModel = 2
# 分析機能
reportAnalysisWinratesAs = BLACK
# 所有権マップ
# 有効にすると各点の帰属予測を取得可能
analysisOwnership = true
初回実行
GTPモードのテスト
# GTPモードを実行
katago gtp -model /path/to/model.bin.gz -config /path/to/config.cfg
# configがない場合、KataGoはデフォルト値を使用
katago gtp -model /path/to/model.bin.gz
起動に成功したら、GTPコマンドを入力してテスト：
name
= KataGo
version
= 1.15.3
boardsize 19
=
genmove black
= Q16
quit
=
Analysis Engineのテスト
# Analysis Engineを実行
katago analysis -model /path/to/model.bin.gz -config /path/to/config.cfg
JSONクエリを入力：
{"id":"test1","initialStones":[],"moves":[],"rules":"chinese","komi":7.5,"boardXSize":19,"boardYSize":19,"analyzeTurns":[0]}
ベンチマークテスト
ハードウェアの性能をテスト：
# ベンチマークを実行
katago benchmark -model /path/to/model.bin.gz
# 設定ファイルを指定
katago benchmark -model /path/to/model.bin.gz -config /path/to/config.cfg
ベンチマークは以下を出力：
- 毎秒の探索訪問数（visits/sec）
- ニューラルネットワーク推論速度
- 推奨スレッド設定
よくある問題の解決
GPU関連
問題：GPUが見つからない
# OpenCLデバイスを確認
clinfo
# またはKataGoが見るデバイスを一覧
katago gpuinfo
問題：CUDA初期化失敗
- CUDAバージョンがKataGoコンパイル版と一致していることを確認
- GPUドライバを更新
- CUDA_PATH環境変数を確認
メモリ関連
問題：メモリ不足
# GPUメモリ使用量を削減
nnMaxBatchSize = 8 # デフォルトは16以上の場合あり
nnCacheSizePowerOfTwo = 20 # キャッシュサイズを削減
性能関連
問題：速度が遅い
- CPUではなくGPUを使用していることを確認
numSearchThreadsを減らす- より小さいモデルを使用
- 他のプログラムがGPUを占有していないか確認
次のステップ
設定完了後、以下を続けてお読みください：
- よく使うコマンド - KataGoの使用方法を学ぶ
- ソースコードアーキテクチャ - 内部実装を理解する