好久没下围棋，最近重新捡起来这项爱好，一周在网上下 3 盘左右的快棋（大概花费 2 个小时）。在 AI 已经征服围棋的时代，想过提高棋力，最佳的方式就是借助 AI。然而围棋 AI 的配置较为复杂，没有经过系统计算机科学学习的人掌握起来有一点难度，而使用现成的 AI 分析软件是要付费的。还记得自己高考之后的暑假，为了配一个围棋 AI，花费了三四天的时间，效果呢也只能说是够用。如今经过大学 3 年的学习，我不敢说在计算机学科方面下学到多少，但至少在学习新的计算机技术方面我取得了巨大的进步。而且我研究生的方向是新型系统结构和芯片，打算做智能硬件加速这一块，配置和研究围棋 AI 对这一研究领域还有些许帮助，主要体现在对 CUDA、cuDNN、TensorRT 的学习，对并行智能并行程序参数的理解和调优。更何况今年新买的电脑有 4060 独立显卡，性能也算不错。所以今天就重新配置了一下 KataGO + Lizzie GUI 图形界面（包含 CUDA、OpenCL、TensorRT 三个版本）。实测 28 b 的权重下 visits 能到 1k 左右，相当不错了。
OpenCL 版本安装
这个是最省事的，直接跳到配置章节，下载程序的时候选择 OpenCL 版的就行。
CUDA 版本的安装
CUDA 只适用于 Nvidia 的显卡！
CUDA 版本的程序分为 cuDNN 版和 TensorRT 版。其中 TensorRT 性能强大，但需要较新的显卡（20系及以上）。
安装版本在 Release 页面已经给出了。一般是后面的版本能够兼容面的版本。版本有差异，如果是 . 后面差一两个版本，问题也不大。
首先需要配置 CUDA 环境。
cuDNN 版安装
从官网上下载对应版本的文件，解压。
将三个文件夹复制到 CUDA 的安装路径，默认为。
（这一步其实就是给 CUDA 打一个补丁，使其能够胜任深度学习加速的任务。
TensorRT 版安装
这个有点麻烦。首先我们要知到什么是 TensorRT。用官网的话来说，TensorRT 是高性能深度学习推理的 API 生态系统，和 Nvidia GPU 的硬件加速器（如稀疏张量核心）紧密结合。
具体的配置方法请看 ikatago 配置那篇文章。
GUI 界面选取
这个不是我的专业领域，所以就直接抄作业了。
GUI 界面用的是修改后的 Lizzie。也可直接用原版。
使用方法见文档。
配置
最终效果：
然后就可以开始使用 KataGO 分析自己的对局了。
