Schachprogrammierung unter macOS, iPadOS, iOS, watchOS?

By Max Siegfried Date 2021-10-16 22:50

Lothar Jung schrieb:

Ein einfaches Schachprogramm in Swift:

<a class='ura' href='https://github.com/quantumOrange/ChessEngine'>https://github.com/quantumOrange/ChessEngine</a>

Swift sieht interessant und einfach zu erlernen aus.
Nur das Schachprogramm würde ich nicht unbedingt als einfach bezeichnen.
Schließlich gibt es sehr viele Dateien mit gefühlt 600 Zeilen Code pro Datei +- einige Hundert.
Wie viele Stunden / Tage / Wochen / Monate arbeitet man daran?

By Lothar Jung Date 2021-10-17 09:55

Da du über keinen MAC verfügst, dürfte das Swiftprogramm für dich persönlich uninteressant sein.

By Benno Hartwig Date 2021-10-18 05:54 Upvotes 1

Wie schön, dass jeder für sich selbst entscheiden kann, was er interessant findet.

By Lothar Jung Date 2021-10-18 08:53 Edited 2021-10-18 08:55 Upvotes 1

Hier der Cray Rechner, für den Bob Hyatt in den 1980er Jahren das Schachprogramm Cray Blitz entwickelt hatte:

https://de.wikipedia.org/wiki/Cray_Blitz?wprov=sfti1

By Benno Hartwig Date 2021-10-18 18:13 Edited 2021-10-18 18:15 Upvotes 1

Ich war überrascht, dass ein solch teures Equipment für ein Computerschach-Experiment zur Verfügung gestellt wurde.
"Weiß das der Steuerzahler?"
Aber ich fand es superspannend und superinteressant.

Und genau so spannend fand ich es dann, als die kleineren Maschinen dank besserer Programmierung wieder das Szepter übernahmen.

By Lothar Jung Date 2021-09-20 19:26 Edited 2021-09-20 19:49 Upvotes 1

Hier auf GitHub Nibbler für MAC OS:

https://github.com/twoplan/Nibbler-for-macOS

Hier Lc0 für Mac OS:

https://github.com/LeelaChessZero/lc0

By Lothar Jung Date 2021-11-10 11:44 Upvotes 1

Diese API könnte die NNUE-Schachprogramme auf dem M1 deutlich beschleunigen.

Hier der Heise Artikel:

https://www.heise.de/news/Machine-Learning-spaCy-3-2-holt-mehr-Leistung-aus-Apple-Silicon-6262289.html

Hier noch mal ausführlicher zur Matrix-Multiplikation:

https://github.com/explosion/thinc-apple-ops

https://explosion.ai/blog/spacy-v3-2

By Max Siegfried Date 2021-11-13 11:11

Lothar Jung schrieb:

Diese API könnte die NNUE-Schachprogramme auf dem M1 deutlich beschleunigen.

Hier der Heise Artikel:

<a class='ura' href='https://www.heise.de/news/Machine-Learning-spaCy-3-2-holt-mehr-Leistung-aus-Apple-Silicon-6262289.html'>https://www.heise.de/news/Machine-Learning-spaCy-3-2-holt-mehr-Leistung-aus-Apple-Silicon-6262289.html</a>

Hier noch mal ausführlicher zur Matrix-Multiplikation:

<a class='ura' href='https://github.com/explosion/thinc-apple-ops'>https://github.com/explosion/thinc-apple-ops</a>

<a class='ura' href='https://explosion.ai/blog/spacy-v3-2'>https://explosion.ai/blog/spacy-v3-2</a>

Also ist der M1 im schlimmsten Fall wahrscheinlich bei nur den dreifachen kN/s.
M1 (nur die performance Kerne) = 30000 kN/s oder (alle Kerne) = 40000 kN/s
Der M1 Max hat doppelt so viele performance Kerne = 60000 kN/s

Damit dürften der M1 und M1 Max im Vergleich zur Konkurrenz super gut abschneiden bzw. sogar an der Spitze stehen.

By Lothar Jung Date 2022-05-21 10:55 Edited 2022-05-21 10:57 Upvotes 1

https://pytorch.org/blog/introducing-accelerated-pytorch-training-on-mac/

In Zusammenarbeit mit dem Metal-Engineering-Team von Apple freuen wir uns, die Unterstützung für GPU-beschleunigtes PyTorch-Training auf dem Mac ankündigen zu können. Bisher nutzte das PyTorch-Training auf dem Mac nur die CPU, aber mit der bevorstehenden Version von PyTorch v1.12 können Entwickler und Forscher die Apple-Silizium-GPUs für ein deutlich schnelleres Modelltraining nutzen. Dadurch wird die Möglichkeit freigeschaltet, Workflows für maschinelles Lernen wie Prototyping und Feinabstimmung lokal direkt auf dem Mac durchzuführen.

By Max Siegfried Date 2022-05-21 11:58

Lothar Jung schrieb:

<a class='ura' href='https://pytorch.org/blog/introducing-accelerated-pytorch-training-on-mac/'>https://pytorch.org/blog/introducing-accelerated-pytorch-training-on-mac/</a>

In Zusammenarbeit mit dem Metal-Engineering-Team von Apple freuen wir uns, die Unterstützung für GPU-beschleunigtes PyTorch-Training auf dem Mac ankündigen zu können. Bisher nutzte das PyTorch-Training auf dem Mac nur die CPU, aber mit der bevorstehenden Version von PyTorch v1.12 können Entwickler und Forscher die Apple-Silizium-GPUs für ein deutlich schnelleres Modelltraining nutzen. Dadurch wird die Möglichkeit freigeschaltet, Workflows für maschinelles Lernen wie Prototyping und Feinabstimmung lokal direkt auf dem Mac durchzuführen.

Danke das ist eine großartige Nachricht.