DeepLearning 将棋

ローカルコードの実行

インストール

PyTorchのインストールコマンドは Start Locally | PyTorch から作成してください。

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia
conda install matplotlib
pip install cshogi
conda install scikit-learn

ディレクトリ構成

- features.py
- train.py
- dataloader.py
- network
   `- policy_value_resnet.py
- utils
   |- csa_to_hcpe.py
   `- plot_log_policy_value.py # 学習の精度をログから可視化する
- data # 学習データ
   `- floodgate
       |- wdoor20xx # floodgateから取得した
       |   `- wdoor+floodgate-~~.csa
       |- train.hcpe
       |- train_average.hcpe
       `- test.hcpe
- results # 実行結果
   `- 20xxxxxx_xxxxxx
       |- result.model
       |- result.onnx
       `- checkpoint-xxx.pth
- logs # 実行ログ
   `- train-20xxxxxx_xxxxxx.log
- checkpoints
   `- checkpoint-~.pth
- tutorial
   |- hello.py # Hello World
   |- pytorch.py # PyTorchを使ってみる
   `- image.py # 画像を表示する

訓練データ

大量の棋譜が入手できるコンピュータ将棋の対局サイトである floodgate の棋譜を使用します。

http://wdoor.c.u-tokyo.ac.jp/shogi/x/

実行

学習ファイルの生成

python utils/csa_to_hcpe.py floodgate tarin.hcpe test.hcpe

学習

python train.py train.hcpe test.hcpe

dlshogi

インストール

dlshogi を参考にインストールしてください。

さらに追加で以下のライブラリをインストールしてください。

conda install onnx pandas

学習

学習ファイルは上と同じものを使用してください。

python -m dlshogi.train --epoch 1 --batchsize 1024 --model shogi.model --log logs/train.log --lr 0.01 --use_amp --use_evalfix train.hcpe test.hcpe

ONNX形式への変換

python -m dlshogi.convert_model_to_onnx shogi.model shogi.onnx

学習ファイルの生成

python -m dlshogi.utils.csa_to_hcpe floodgate floodgate.hcpe --eval 5000 --filter_moves 50 --filter_rating 3500
python -m dlshogi.utils.uniq_hcpe --average floodgate.hcpe floodgate_average.hcpe
python -m dlshogi.utils.sample_hcpe floodgate_average.hcpe floodgate_test.hcpe 640000