将棋AI dlshogi(C++＆OnnxRuntime版)を1000ドルPCで動かす

DeepLearning系将棋AIのdlshogiのインストールの続きである。今回紹介するのはdlshogi C++版である。NVIDIA以外のGPU、CPU内蔵GPUでも動くOnnxRuntime版を使うことになる。

OnnxRuntimeとは

Microsoftがオープンソースで公開しているもので、ONNXモデルを使うことで様々なデバイスで推論ができるらしい。AMDのGPUでも動くのかと期待したが、Onnxのページで調べたところ、ROCmは非対応らしい。ここは潔く諦めてCPUでの動作を目指すことにする。

2024-02-12　追記　OnnxRuntimeがROCｍに非対応というのは私の勘違い。将棋AI dlshogi(第３報）にて訂正済み。

インストール手順

dlshogi作者の山岡忠夫氏が書かれた「強い将棋ソフトの創り方」では、Google Colabというクラウド環境、またはNVIDIA社のGPUが搭載されたPCへの導入が前提となっているため、OnnxRuntime版のインストールについてはほとんど情報がない。作者の山岡氏ははてなブログでOnnxRuntime版のMNISTのサンプルプログラムを動かす方法を公開されている。私はこの手順を参考にした。Linuxの知識が前提となるが、手順自体はそれほど難しくないと思う。

tadaoyamaoka.hatenablog.com

公開されているdlshogiをダウンロードする。/home/Shogiというディレクトリを作成し、ここにインストールする場合は以下のようになる。

$ cd /home/Shogi
$ git clone https://github.com/TadaoYamaoka/DeepLearningShogi.git

DeepLearningShogiというディレクトリが作成され、ソースがダウンロードされる。OnnxRuntime版のソースはusi_onnxruntime配下にある。

次にGitHubのReleaseからOnnxRuntimeのLinux向けバイナリonnxruntime-linux-x64-1.16.3.tgzをダウンロードし、/home/Shogi/onnxruntime-linux-x64-1.16.3 に展開する。

環境変数LD_LIBRARY_PATHにパスを追加する。

$ export LD_LIBRARY_PATH=/home/Shogi/onnxruntime-linux-x64-1.16.3/lib:$LD_LIBRARY_PATH

usi_onnxruntimeにあるMakefikeのincludeとlibのパス名を/home/Shogi/onnxruntime-linux-x64-1.16.3に修正してコンパイルする。

$ cd /home/Shogi/DeepLearningShogi/usi_onnxruntime
$ make

しばらく待ち、エラーが無ければbinの下に実行プログラムdlshogi_onnxruntimeが作成される。起動して動作確認する。コマンド入力待ちとなったらisreadyコマンドを入力する

$ cd bin
$ ./dlshogi_onnxruntime
isready
model.onnx file not found

ONNXモデルがないと怒られる。そこで、世界将棋AI 電竜戦バージョン（「GCT電竜」同梱）をダウンロードする。

$ wget https://github.com/TadaoYamaoka/DeepLearningShogi/releases/download/denryu2020/gct-dlshogi-denryu2020.zip

解凍してモデルをフォルダへコピーする。モデル名はコマンド引数で指定できるがデフォルトはmodel.onnxなのでこの名前にしてコピーする。

$ unzip -o gct-dlshogi-denryu2020.zip
$ cp model-0000167.onnx /home/Shogi/DeepLearningShogi/usi_onnxruntime/bin/model.onnx

再び動作確認する。

$ ./dlshogi_onnxruntime
isready
info nps 138 time 216 nodes 30 hashfull 0 score cp 94 depth 2 pv 1g1f 1c1d
readyok
position startpos
go byoyomi 1000
info nps 784 time 806 nodes 632 hashfull 0 score cp 66 depth 5 pv 1g1f 1c1d 2g2f 3c3d 1f1e
info nps 667 time 1319 nodes 880 hashfull 0 score cp 85 depth 6 pv 1g1f 1c1d 2g2f 3c3d 7g7f 1d1e
bestmove 1g1f

私はこれで無事動作した。NPS値は784という数値が出ている。

将棋GUIでdlshogi同士の対局

先手をpython-dlshogi2（Python版GPU動作）、後手をdlshogi（C++版CPU動作）として対局させてみた。将棋GUIはShogiGUIを使用した。

77手目で先手python-dlshogi2が投了。後手dlshogiの勝利となった。将棋AIでは先手有利が常識となっているが、そのハンデを覆してdlshogiが勝利したのは感動である。処理の速さとモデルの質の高さが結果に反映したのだと思う。GPUよりCPUの方が処理が早いという点には複雑な気持ちはあるが、とりあえず満足である。