nodchipのコンピューター将棋ブログ

コンピューター将棋ソフト「tanuki-」シリーズの実験結果を掲載しています。

tanuki- 2024-02-21 nnue-pytorch halfkp_1024x2-8-32 入玉ボーナス (2)

tanuki- 2024-02-21 nnue-pytorch halfkp_1024x2-8-32 入玉ボーナス (2)

実験内容

  • nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させる。
  • 学習データの読み込み時、入玉していた場合の評価値のボーナスを、前回の 2 倍にする。
    • 入玉時、持ち駒および敵陣三段目までに侵入している駒について、小駒 1 枚につき 20 点、大駒 1 枚につき 100 点、敵陣三段目までに侵入している駒 1 枚につき 20 点追加する。

    棋譜生成

    生成ルーチン tanuki-棋譜生成ルーチン
    評価関数 Hao (tanuki-.halfkp_256x2-32-32.2023-05-08)
    1手あたりの思考 深さ最大 9 思考ノード数最大 50,000 ノード
    開始局面 foodgate の 2020 年~ 2021 年の棋譜を使用した。レーティング 3900 以上同士の対局のみ使用した。戦型が角換わりの対局が 10% になるよう調整した。 32 手目までから 1 局面ランダムに選択し、その局面を開始局面とした。ランダムムーブはしなかった。
    生成局面数 10 億局面 × 8 セット
    生成条件 対局は打ち切らず詰みの局面まで学習データに出力した

    シャッフル条件

    生成ルーチン tanuki-シャッフルルーチン
    qsearch() あり
    置換表 無効

    機械学習

    機械学習ルーチン nnue-pytorch + やねうら王 https://github.com/nodchip/nnue-pytorch/tree/shogi.2023-10-29.halfkp_1024x2-8-32
    学習モデル halfkp_1024x2-8-32
    学習手法 ミニバッチ SGD
    初期学習率 (lr) 0.25 収束後 0.025
    最適化手法 なし
    学習率調整手法 Warmup + Newbob 風
    batch-size 8192
    threads 8
    num-workers 32
    accelerator gpu
    devices 1
    features HalfKP
    max-epoch 1000000
    score-scaling 361
    lambda 1.0 収束後 0.5
    勝敗項の教師信号 0.999
    num-batches-warmup 10000
    newbob-decay 0.5
    epoch-size 1000000
    num-epochs-to-adjust-lr 500
    学習を打ち切る下限 newbob scale 1e-5
    1 epoch 毎のネットワークパラメーターのクリップ あり
    ネットワークパラメーターの量子化 量子化なしで学習し、収束後に量子化する。
    ネットワークパラメーターの初期化方法 pytorch のデフォルトの初期化手法で初期化する。
    勾配の正規化 なし
    momentum 0.9
    入玉ボーナス 入玉時、持ち駒および敵陣三段目までに侵入している駒について、小駒 1 枚につき 10 点、大駒 1 枚につき 50 点、敵陣三段目までに侵入している駒 1 枚につき 10 点追加する。

    レーティング測定

    対局相手 https://docs.google.com/document/d/1mTWCV4d3WJEwbDNAIQDIcy77R2oRG0UE7rgd1fV8KXw/edit?usp=sharing tanuki-.nnue-pytorch-2024-01-22 https://docs.google.com/document/d/1-C636vmDdw61N0w536jKR74g4YvD4MyKIeu3vmHyVpA/edit?usp=sharing tanuki-.nnue-pytorch-2024-01-31
    思考時間 持ち時間 300 秒 + 1 手 2 秒加算
    対局数 5000
    同時対局数 64
    ハッシュサイズ 384
    開始局面 dlshogi 互角局面集の角換わりの割合が 10% になるよう間引いたもの

    実験結果

    機械学習

    検証ロス

    入玉ボーナス (2) … 0.26124961288576176

    入玉ボーナス (1) … 0.2613000047885307

    ネットワークパラメーターの分布

    mean=-30.5439453125 std=27.475788116455078

    mean=-0.008883885107934475 std=3.8584723472595215

    mean=3064.5 std=2628.400390625

    mean=-0.2987060546875 std=5.779980659484863

    mean=-2891.71875 std=7352.70556640625

    mean=2.44921875 std=39.38703536987305

    mean=3586.0 std=nan

    mean=9.125 std=51.75422668457031

    レーティング測定

    対局数=5000 同時対局数=64 ハッシュサイズ=384 開始手数=24 最大手数=320 開始局面ファイル=C:\Jenkins\workspace\TanukiColiseum.2023-04-16\TanukiColiseum\floodgate32-80.adjust_bishop_exchange.sfen NUMAノード数=1 表示更新間隔(ms)=3600000

    思考エンジン1 思考エンジン2

    name YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT

    author by yaneurao by yaneurao

    exeファイル C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine1\source\YaneuraOu-by-gcc.exe C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine2\source\YaneuraOu-by-gcc.exe

    評価関数フォルダパス D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-02-14 D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-01-22

    定跡手数 256 256

    定跡ファイル名 no_book no_book

    思考ノード数 0 0

    思考ノード数に加える乱数(%) 0 0

    思考ノード数の乱数を1手毎に変化させる False False

    持ち時間(ms) 300000 300000

    秒読み時間(ms) 0 0

    加算時間(ms) 2000 2000

    乱数付き思考時間(ms) 0 0

    スレッド数 1 1

    BookEvalDiff 30 30

    定跡の採択率を考慮する true true

    定跡の手数を無視する true true

    SlowMover 100 100

    DrawValue -2 -2

    BookEvalBlackLimit 0 0

    BookEvalWhiteLimit -140 -140

    FVScale 16 16

    Depth=0 0

    MinimumThinkingTime 1000 1000

    対局数5000 先手勝ち2485(53.8%) 後手勝ち2131(46.2%) 引き分け384

    engine1

    勝ち2550(55.2% R33.7 +-9.7) 先手勝ち1354(29.3%) 後手勝ち1196(25.9%)

    宣言勝ち28 先手宣言勝ち10 後手宣言勝ち18 先手引き分け211 後手引き分け173

    engine2

    勝ち2066(44.8%) 先手勝ち1131(24.5%) 後手勝ち935(20.3%)

    宣言勝ち54 先手宣言勝ち18 後手宣言勝ち36 先手引き分け173 後手引き分け211

    2550,384,2066

    対局数=5000 同時対局数=64 ハッシュサイズ=384 開始手数=24 最大手数=320 開始局面ファイル=C:\Jenkins\workspace\TanukiColiseum.2023-04-16\TanukiColiseum\floodgate32-80.adjust_bishop_exchange.sfen NUMAノード数=1 表示更新間隔(ms)=3600000

    思考エンジン1 思考エンジン2

    name YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT

    author by yaneurao by yaneurao

    exeファイル C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine1\source\YaneuraOu-by-gcc.exe C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine2\source\YaneuraOu-by-gcc.exe

    評価関数フォルダパス D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-02-14 D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-01-31

    定跡手数 256 256

    定跡ファイル名 no_book no_book

    思考ノード数 0 0

    思考ノード数に加える乱数(%) 0 0

    思考ノード数の乱数を1手毎に変化させる False False

    持ち時間(ms) 300000 300000

    秒読み時間(ms) 0 0

    加算時間(ms) 2000 2000

    乱数付き思考時間(ms) 0 0

    スレッド数 1 1

    BookEvalDiff 30 30

    定跡の採択率を考慮する true true

    定跡の手数を無視する true true

    SlowMover 100 100

    DrawValue -2 -2

    BookEvalBlackLimit 0 0

    BookEvalWhiteLimit -140 -140

    FVScale 16 16

    Depth=0 0

    MinimumThinkingTime 1000 1000

    対局数5000 先手勝ち2478(55.3%) 後手勝ち2001(44.7%) 引き分け521

    engine1

    勝ち2318(51.8% R10.9 +-9.6) 先手勝ち1285(28.7%) 後手勝ち1033(23.1%)

    宣言勝ち86 先手宣言勝ち51 後手宣言勝ち35 先手引き分け250 後手引き分け271

    engine2

    勝ち2161(48.2%) 先手勝ち1193(26.6%) 後手勝ち968(21.6%)

    宣言勝ち74 先手宣言勝ち38 後手宣言勝ち36 先手引き分け271 後手引き分け250

    2318,521,2161

    学習ロスと検証ロスは、入玉ボーナスを 2 倍にしたほうが低くなった。

    学習率が下がるタイミングは、入玉ボーナスを 2 倍にしたほうが早かった。

    レーティングは、 水匠 5 で生成した学習データで学習させた評価関数に対して R33.7 高く、有意な差があった。ただし、宣言勝ちの回数は、 水匠 5 で生成した学習データで学習させた評価関数のほうが 2 倍近く多かった。また、入玉ボーナス 1 倍で学習させた評価関数に対して R10.9 高く、有意な差があった。 宣言勝ちの回数は、入玉ボーナス 1 倍で学習させた評価関数に対してやや多かった。

    考察

    学習ロスと検証ロスが、入玉ボーナス 2 倍のもののほうが低くなった理由は、教師データの評価値の絶対値の平均値が上がり、クロスエントロピーが下がったためだと思う。

    学習率が下がるタイミングが、入玉ボーナス 2 倍のもののほうが早かった理由は、分からなかった。

    水匠 5 との対局の宣言勝ちの回数が、入玉ボーナス 1 倍のものとあまり変わらなかったのは、今回加えた入玉ボーナスでは、これ以上倍率を上げても、入玉将棋に対する効果が薄いことを表していると思う。これ以上対策を行うのであれば、水匠 5 で生成した入玉将棋の学習データを混ぜる等が考えられる。

    入玉ボーナス 1 倍で学習させた評価関数に対して有意にレーティングが高かった理由は分からなかった。

    まとめ

    nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させた。その際、学習データの読み込み時、入玉していた場合の評価値のボーナスを、前回の 2 倍にした。

    レーティングは、 水匠 5 で生成した学習データで学習させた評価関数に対して R33.7 高く、有意な差があった。ただし、宣言勝ちの回数は、 水匠 5 で生成した学習データで学習させた評価関数のほうが 2 倍近く多かった。また、入玉ボーナス 1 倍で学習させた評価関数に対して R10.9 高く、有意な差があった。 宣言勝ちの回数は、入玉ボーナス 1 倍で学習させた評価関数に対してやや多かった。

    水匠 5 との対局の宣言勝ちの回数が、入玉ボーナス 1 倍のものとあまり変わらなかったのは、今回加えた入玉ボーナスでは、これ以上倍率を上げても、入玉将棋に対する効果が薄いことを表していると思う。これ以上対策を行うのであれば、水匠 5 で生成した入玉将棋の学習データを混ぜる等が考えられる。

    次回は、水匠 5 で生成した入玉将棋の学習データを混ぜて学習させ、レーティングと入玉回数を調べたい。

tanuki- 2024-02-14 nnue-pytorch halfkp_1024x2-8-32 入玉ボーナス

tanuki- 2024-02-14 nnue-pytorch halfkp_1024x2-8-32 入玉ボーナス

実験内容

  • nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させる。
  • 学習データの読み込み時、入玉していた場合に評価値にボーナスを追加する。
    • 入玉時、持ち駒および敵陣三段目までに侵入している駒について、小駒 1 枚につき 10 点、大駒 1 枚につき 50 点、敵陣三段目までに侵入している駒 1 枚につき 10 点追加する。

    棋譜生成

    生成ルーチン tanuki-棋譜生成ルーチン
    評価関数 Hao (tanuki-.halfkp_256x2-32-32.2023-05-08)
    1手あたりの思考 深さ最大 9 思考ノード数最大 50,000 ノード
    開始局面 foodgate の 2020 年~ 2021 年の棋譜を使用した。レーティング 3900 以上同士の対局のみ使用した。戦型が角換わりの対局が 10% になるよう調整した。 32 手目までから 1 局面ランダムに選択し、その局面を開始局面とした。ランダムムーブはしなかった。
    生成局面数 10 億局面 × 8 セット
    生成条件 対局は打ち切らず詰みの局面まで学習データに出力した

    シャッフル条件

    生成ルーチン tanuki-シャッフルルーチン
    qsearch() あり
    置換表 無効

    機械学習

    機械学習ルーチン nnue-pytorch + やねうら王 https://github.com/nodchip/nnue-pytorch/tree/shogi.2023-10-29.halfkp_1024x2-8-32
    学習モデル halfkp_1024x2-8-32
    学習手法 ミニバッチ SGD
    初期学習率 (lr) 0.25 収束後 0.025
    最適化手法 なし
    学習率調整手法 Warmup + Newbob 風
    batch-size 8192
    threads 8
    num-workers 32
    accelerator gpu
    devices 1
    features HalfKP
    max-epoch 1000000
    score-scaling 361
    lambda 1.0 収束後 0.5
    勝敗項の教師信号 0.999
    num-batches-warmup 10000
    newbob-decay 0.5
    epoch-size 1000000
    num-epochs-to-adjust-lr 500
    学習を打ち切る下限 newbob scale 1e-5
    1 epoch 毎のネットワークパラメーターのクリップ あり
    ネットワークパラメーターの量子化 量子化なしで学習し、収束後に量子化する。
    ネットワークパラメーターの初期化方法 pytorch のデフォルトの初期化手法で初期化する。
    勾配の正規化 なし
    momentum 0.9
    入玉ボーナス 入玉時、持ち駒および敵陣三段目までに侵入している駒について、小駒 1 枚につき 10 点、大駒 1 枚につき 50 点、敵陣三段目までに侵入している駒 1 枚につき 10 点追加する。

    レーティング測定

    対局相手 https://docs.google.com/document/d/1mTWCV4d3WJEwbDNAIQDIcy77R2oRG0UE7rgd1fV8KXw/edit?usp=sharing tanuki-.nnue-pytorch-2024-01-22 https://docs.google.com/document/d/1-C636vmDdw61N0w536jKR74g4YvD4MyKIeu3vmHyVpA/edit?usp=sharing tanuki-.nnue-pytorch-2024-01-31
    思考時間 持ち時間 300 秒 + 1 手 2 秒加算
    対局数 5000
    同時対局数 64
    ハッシュサイズ 384
    開始局面 dlshogi 互角局面集の角換わりの割合が 10% になるよう間引いたもの

    実験結果

    機械学習

    検証ロス

    入玉ボーナスあり … 0.2613000047885307

    入玉ボーナスなし … 0.261410128337581

    ネットワークパラメーターの分布

    mean=-32.138671875 std=29.36127281188965

    mean=-0.00931315403431654 std=3.898991584777832

    mean=2108.75 std=2065.105224609375

    mean=-0.06732177734375 std=5.976457595825195

    mean=-2485.1875 std=5012.57373046875

    mean=4.328125 std=32.8122673034668

    mean=5335.0 std=nan

    mean=1.78125 std=50.12483596801758

    レーティング測定

    対局数=5000 同時対局数=64 ハッシュサイズ=384 開始手数=24 最大手数=320 開始局面ファイル=C:\Jenkins\workspace\TanukiColiseum.2023-04-16\TanukiColiseum\floodgate32-80.adjust_bishop_exchange.sfen NUMAノード数=1 表示更新間隔(ms)=3600000

    思考エンジン1 思考エンジン2

    name YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT

    author by yaneurao by yaneurao

    exeファイル C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine1\source\YaneuraOu-by-gcc.exe C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine2\source\YaneuraOu-by-gcc.exe

    評価関数フォルダパス D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-02-06 D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-01-22

    定跡手数 256 256

    定跡ファイル名 no_book no_book

    思考ノード数 0 0

    思考ノード数に加える乱数(%) 0 0

    思考ノード数の乱数を1手毎に変化させる False False

    持ち時間(ms) 300000 300000

    秒読み時間(ms) 0 0

    加算時間(ms) 2000 2000

    乱数付き思考時間(ms) 0 0

    スレッド数 1 1

    BookEvalDiff 30 30

    定跡の採択率を考慮する true true

    定跡の手数を無視する true true

    SlowMover 100 100

    DrawValue -2 -2

    BookEvalBlackLimit 0 0

    BookEvalWhiteLimit -140 -140

    FVScale 16 16

    Depth=0 0

    MinimumThinkingTime 1000 1000

    対局数5000 先手勝ち2432(53.1%) 後手勝ち2146(46.9%) 引き分け422

    engine1

    勝ち2477(54.1% R26.2 +-9.7) 先手勝ち1313(28.7%) 後手勝ち1164(25.4%)

    宣言勝ち32 先手宣言勝ち18 後手宣言勝ち14 先手引き分け204 後手引き分け218

    engine2

    勝ち2101(45.9%) 先手勝ち1119(24.4%) 後手勝ち982(21.5%)

    宣言勝ち69 先手宣言勝ち32 後手宣言勝ち37 先手引き分け218 後手引き分け204

    2477,422,2101

    対局数=5000 同時対局数=64 ハッシュサイズ=384 開始手数=24 最大手数=320 開始局面ファイル=C:\Jenkins\workspace\TanukiColiseum.2023-04-16\TanukiColiseum\floodgate32-80.adjust_bishop_exchange.sfen NUMAノード数=1 表示更新間隔(ms)=3600000

    思考エンジン1 思考エンジン2

    name YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT

    author by yaneurao by yaneurao

    exeファイル C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine1\source\YaneuraOu-by-gcc.exe C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine2\source\YaneuraOu-by-gcc.exe

    評価関数フォルダパス D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-02-06 D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-01-31

    定跡手数 256 256

    定跡ファイル名 no_book no_book

    思考ノード数 0 0

    思考ノード数に加える乱数(%) 0 0

    思考ノード数の乱数を1手毎に変化させる False False

    持ち時間(ms) 300000 300000

    秒読み時間(ms) 0 0

    加算時間(ms) 2000 2000

    乱数付き思考時間(ms) 0 0

    スレッド数 1 1

    BookEvalDiff 30 30

    定跡の採択率を考慮する true true

    定跡の手数を無視する true true

    SlowMover 100 100

    DrawValue -2 -2

    BookEvalBlackLimit 0 0

    BookEvalWhiteLimit -140 -140

    FVScale 16 16

    Depth=0 0

    MinimumThinkingTime 1000 1000

    対局数5000 先手勝ち2413(53.1%) 後手勝ち2133(46.9%) 引き分け454

    engine1

    勝ち2254(49.6% R-2.6 +-9.6) 先手勝ち1185(26.1%) 後手勝ち1069(23.5%)

    宣言勝ち51 先手宣言勝ち26 後手宣言勝ち25 先手引き分け249 後手引き分け205

    engine2

    勝ち2292(50.4%) 先手勝ち1228(27.0%) 後手勝ち1064(23.4%)

    宣言勝ち56 先手宣言勝ち29 後手宣言勝ち27 先手引き分け205 後手引き分け249

    2254,454,2292

    学習ロスと検証ロスは、入玉ボーナスを加えたほうが低くなった。

    学習率が下がるタイミングは、入玉ボーナスを加えたほうが遅かった。

    レーティングは、 水匠 5 で生成した学習データで学習させた評価関数に対して R24.2 高く、有意な差があった。ただし、宣言勝ちの回数は、 水匠 5 で生成した学習データで学習させた評価関数のほうが 2 倍近く多かった。また、入玉ボーナスなしで学習させた評価関数に対して R2.6 低かったが、有意な差はなかった。

    考察

    学習ロスと検証ロスが、入玉ボーナスを加えたほうが低くなった理由は、今日データの評価値の絶対値の平均値が上がり、クロスエントロピーが下がったためだと思う。

    学習率が下がるタイミングが、入玉ボーナスを加えたほうが遅かった理由は、収束するまでの間に、より多くの学習が必要だったためだと思う。

    レーティングが水匠 5 で生成した学習データで学習させた評価関数に対して有意に高かった理由は、前回同様、学習データを作成した際に使用した Hao のレーティングが、水匠 5 より高いためだと思う。

    また、宣言勝ちの回数に 2 倍近い差があったのも、前回同様、 Hao を Suishopsv-150m で Fine-tuning した際、勝敗項の教師信号を 0.99 と低めに設定したためだと思う。ただし、前回の実験では 3 倍近い差がついていており、それと比べると、やや改善していると思う。

    入玉ボーナスなしで学習させた評価関数と有意な差がなかった理由は、入玉ボーナスが棋力に悪影響を及ぼさないことを表していると思う。

    まとめ

    nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させた。その際、学習データの読み込み時、入玉していた場合に評価値にボーナスを追加した。ボーナスは、入玉時、持ち駒および敵陣三段目までに侵入している駒について、小駒 1 枚につき 10 点、大駒 1 枚につき 50 点、敵陣三段目までに侵入している駒 1 枚につき 10 点とした。

    レーティングは、 水匠 5 で生成した学習データで学習させた評価関数に対して R24.2 高く、有意な差があった。ただし、宣言勝ちの回数は、 水匠 5 で生成した学習データで学習させた評価関数のほうが 2 倍近く多かった。また、入玉ボーナスなしで学習させた評価関数に対して R2.6 低かったが、有意な差はなかった。

    レーティングが水匠 5 で生成した学習データで学習させた評価関数に対して有意に高かった理由は、前回同様、学習データを作成した際に使用した Hao のレーティングが、水匠 5 より高いためだと思う。また、宣言勝ちの回数に 2 倍近い差があったのも、前回同様、 Hao を Suishopsv-150m で Fine-tuning した際、勝敗項の教師信号を 0.99 と低めに設定したためだと思う。ただし、前回の実験では 3 倍近い差がついていており、それと比べると、やや改善していると思う。 入玉ボーナスなしで学習させた評価関数と有意な差がなかった理由は、入玉ボーナスが棋力に悪影響を及ぼさないことを表していると思う。

    次回は、ボーナス点を 2 倍にして学習させ、レーティングを測定したい。

tanuki- 2024-02-06 nnue-pytorch halfkp_1024x2-8-32 学習データ比較

tanuki- 2024-02-06 nnue-pytorch halfkp_1024x2-8-32 学習データ比較

実験内容

  • nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させる。
  • Hao を使用して生成した学習データで学習する。

棋譜生成

生成ルーチン tanuki-棋譜生成ルーチン
評価関数 Hao (tanuki-.halfkp_256x2-32-32.2023-05-08)
1手あたりの思考 深さ最大 9 思考ノード数最大 50,000 ノード
開始局面 foodgate の 2020 年~ 2021 年の棋譜を使用した。レーティング 3900 以上同士の対局のみ使用した。戦型が角換わりの対局が 10% になるよう調整した。 32 手目までから 1 局面ランダムに選択し、その局面を開始局面とした。ランダムムーブはしなかった。
生成局面数 10 億局面 × 8 セット
生成条件 対局は打ち切らず詰みの局面まで学習データに出力した

シャッフル条件

生成ルーチン tanuki-シャッフルルーチン
qsearch() あり
置換表 無効

機械学習

機械学習ルーチン nnue-pytorch + やねうら王 https://github.com/nodchip/nnue-pytorch/tree/shogi.2023-10-29.halfkp_1024x2-8-32
学習モデル halfkp_1024x2-8-32
学習手法 ミニバッチ SGD
初期学習率 (lr) 0.25 収束後 0.025
最適化手法 なし
学習率調整手法 Warmup + Newbob 風
batch-size 8192
threads 8
num-workers 32
accelerator gpu
devices 1
features HalfKP
max-epoch 1000000
score-scaling 361
lambda 1.0 収束後 0.5
勝敗項の教師信号 0.999
num-batches-warmup 10000
newbob-decay 0.5
epoch-size 1000000
num-epochs-to-adjust-lr 500
学習を打ち切る下限 newbob scale 1e-5
1 epoch 毎のネットワークパラメーターのクリップ あり
ネットワークパラメーターの量子化 量子化なしで学習し、収束後に量子化する。
ネットワークパラメーターの初期化方法 pytorch のデフォルトの初期化手法で初期化する。
勾配の正規化 なし
momentum 0.9

レーティング測定

対局相手 https://docs.google.com/document/d/1mTWCV4d3WJEwbDNAIQDIcy77R2oRG0UE7rgd1fV8KXw/edit?usp=sharing tanuki-.nnue-pytorch-2024-01-22
思考時間 持ち時間 300 秒 + 1 手 2 秒加算
対局数 5000
同時対局数 64
ハッシュサイズ 384
開始局面 dlshogi 互角局面集の角換わりの割合が 10% になるよう間引いたもの

実験結果

機械学習

検証ロス

Hao … 0.261410128337581

水匠5 … 0.2513399218117319

ネットワークパラメーターの分布

mean=-32.5556640625 std=29.83448600769043

mean=-0.009473593905568123 std=3.7773518562316895

mean=3113.5 std=2727.462158203125

mean=-0.36029052734375 std=5.735721588134766

mean=-5197.4375 std=9097.38671875

mean=6.92578125 std=34.863407135009766

mean=6753.0 std=nan

mean=8.15625 std=51.89947509765625

レーティング測定

対局数=5000 同時対局数=64 ハッシュサイズ=384 開始手数=24 最大手数=320 開始局面ファイル=C:\Jenkins\workspace\TanukiColiseum.2023-04-16\TanukiColiseum\floodgate32-80.adjust_bishop_exchange.sfen NUMAノード数=1 表示更新間隔(ms)=3600000

思考エンジン1 思考エンジン2

name YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT

author by yaneurao by yaneurao

exeファイル C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine1\source\YaneuraOu-by-gcc.exe C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine2\source\YaneuraOu-by-gcc.exe

評価関数フォルダパス D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-01-31 D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-01-22

定跡手数 256 256

定跡ファイル名 no_book no_book

思考ノード数 0 0

思考ノード数に加える乱数(%) 0 0

思考ノード数の乱数を1手毎に変化させる False False

持ち時間(ms) 300000 300000

秒読み時間(ms) 0 0

加算時間(ms) 2000 2000

乱数付き思考時間(ms) 0 0

スレッド数 1 1

BookEvalDiff 30 30

定跡の採択率を考慮する true true

定跡の手数を無視する true true

SlowMover 100 100

DrawValue -2 -2

BookEvalBlackLimit 0 0

BookEvalWhiteLimit -140 -140

FVScale 16 16

Depth=0 0

MinimumThinkingTime 1000 1000

対局数5000 先手勝ち2533(55.2%) 後手勝ち2057(44.8%) 引き分け410

engine1

勝ち2469(53.8% R24.2 +-9.7) 先手勝ち1349(29.4%) 後手勝ち1120(24.4%)

宣言勝ち19 先手宣言勝ち9 後手宣言勝ち10 先手引き分け215 後手引き分け195

engine2

勝ち2121(46.2%) 先手勝ち1184(25.8%) 後手勝ち937(20.4%)

宣言勝ち75 先手宣言勝ち39 後手宣言勝ち36 先手引き分け195 後手引き分け215

2469,410,2121

学習ロスと検証ロスは、 Hao で生成した学習データで学習させたほうが高かった。

レーティングは、 水匠 5 で生成した学習データで学習させた評価関数に対して R24.2 高く、有意な差があった。ただし、宣言勝ちの回数は、 水匠 5 で生成した学習データで学習させた評価関数のほうが 3 倍近く多かった。

考察

学習ロスと検証ロスが Hao で生成した学習データで学習させたほうが高かった理由は、 Hao の評価値のスケールが水匠 5 より大きいためだと思う。このため、教師信号の評価値の絶対値が大きくなり、交差エントロピーが大きくなったのだと思う。

レーティングが水匠 5 で生成した学習データで学習させた評価関数に対して 有意に高かったのは、 Hao のほうが水匠 5 よりレーティングが高いためだと思う。また、宣言勝ちの回数が水匠 5 のほうが多かったのは、 Hao を Suishopsv-150m で Fine-tuning した際、勝敗項の教師信号を 0.99 と低めに設定したためだと思う。

まとめ

nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させた。その際、 Hao を使用して生成した学習データで学習させた。

レーティングは、 水匠 5 で生成した学習データで学習させた評価関数に対して R24.2 高く、有意な差があった。ただし、宣言勝ちの回数は、 水匠 5 で生成した学習データで学習させた評価関数のほうが 3 倍近く多かった。レーティングが水匠 5 で生成した学習データで学習させた評価関数に対して 有意に高かったのは、 Hao のほうが水匠 5 よりレーティングが高いためだと思う。また、宣言勝ちの回数が水匠 5 のほうが多かったのは、 Hao を Suishopsv-150m で Fine-tuning した際、勝敗項の教師信号を 0.99 と低めに設定したためだと思う。

次回は、同じ学習データを用い、教師信号の評価値に、入玉時にボーナス点を付けて学習させ、レーティングを測定したい。

tanuki- 2024-01-29 nnue-pytorch halfkp_1024x2-8-32 lambda を変更して Fine-tuning

tanuki- 2024-01-29 nnue-pytorch halfkp_1024x2-8-32 lambda を変更して Fine-tuning

実験内容

  • nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させる。
  • はじめに lambda=1.0 に設定して学習させ、収束後に lambda=0.5 に設定して Fine-Tuning する。

棋譜生成

生成ルーチン tanuki-棋譜生成ルーチン
評価関数 水匠5
1手あたりの思考 深さ最大 9 思考ノード数最大 50,000 ノード
開始局面 foodgate の 2020 年~ 2021 年の棋譜を使用した。レーティング 3900 以上同士の対局のみ使用した。 32 手目までから 1 局面ランダムに選択し、その局面を開始局面とした。ランダムムーブはしなかった。
生成局面数 10 億局面 × 8 セット
生成条件 対局は打ち切らず詰みの局面まで学習データに出力した

シャッフル条件

生成ルーチン tanuki-シャッフルルーチン
qsearch() あり
置換表 無効

機械学習

機械学習ルーチン nnue-pytorch + やねうら王 https://github.com/nodchip/nnue-pytorch/tree/shogi.2023-10-29.halfkp_1024x2-8-32
学習モデル halfkp_1024x2-8-32
学習手法 ミニバッチ SGD
初期学習率 (lr) 0.25 収束後 0.025
最適化手法 なし
学習率調整手法 Warmup + Newbob 風
batch-size 8192
threads 8
num-workers 32
accelerator gpu
devices 1
features HalfKP
max-epoch 1000000
score-scaling 361
lambda 1.0 収束後 0.5
勝敗項の教師信号 0.999
num-batches-warmup 10000
newbob-decay 0.5
epoch-size 1000000
num-epochs-to-adjust-lr 500
学習を打ち切る下限 newbob scale 1e-5
1 epoch 毎のネットワークパラメーターのクリップ あり
ネットワークパラメーターの量子化 量子化なしで学習し、収束後に量子化する。
ネットワークパラメーターの初期化方法 pytorch のデフォルトの初期化手法で初期化する。
勾配の正規化 なし
momentum 0.9

レーティング測定

対局相手 https://docs.google.com/document/d/1F5RLCleB9QKDNwoIsyOv_TPRZXr5DselzUlwA_rmv90/edit?usp=sharing tanuki-.nnue-pytorch-2024-01-14 tanuki-wcsc32 (マメット・ブンブク)tanuki-wcsc33 (Lí)
思考時間 持ち時間 300 秒 + 1 手 2 秒加算
対局数 5000
同時対局数 64
ハッシュサイズ 384
開始局面 dlshogi 互角局面集の角換わりの割合が 10% になるよう間引いたもの

実験結果

機械学習

検証ロス

Fine-tuning あり … 0.2513399218117319

Fine-tuning なし … 0.2554917651230729

ネットワークパラメーターの分布

mean=-31.8017578125 std=28.749479293823242

mean=-0.009312523528933525 std=3.9757001399993896

mean=2876.875 std=3141.6318359375

mean=-0.18328857421875 std=6.049898147583008

mean=-1692.625 std=6140.53271484375

mean=-0.05078125 std=38.739871978759766

mean=1161.0 std=nan

mean=3.90625 std=57.8843994140625

レーティング測定

対局数=5000 同時対局数=64 ハッシュサイズ=384 開始手数=24 最大手数=320 開始局面ファイル=C:\Jenkins\workspace\TanukiColiseum.2023-04-16\TanukiColiseum\floodgate32-80.adjust_bishop_exchange.sfen NUMAノード数=1 表示更新間隔(ms)=3600000

思考エンジン1 思考エンジン2

name YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT

author by yaneurao by yaneurao

exeファイル C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine1\source\YaneuraOu-by-gcc.exe C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine2\source\YaneuraOu-by-gcc.exe

評価関数フォルダパス D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-01-22 D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-01-14

定跡手数 256 256

定跡ファイル名 no_book no_book

思考ノード数 0 0

思考ノード数に加える乱数(%) 0 0

思考ノード数の乱数を1手毎に変化させる False False

持ち時間(ms) 300000 300000

秒読み時間(ms) 0 0

加算時間(ms) 2000 2000

乱数付き思考時間(ms) 0 0

スレッド数 1 1

BookEvalDiff 30 30

定跡の採択率を考慮する true true

定跡の手数を無視する true true

SlowMover 100 100

DrawValue -2 -2

BookEvalBlackLimit 0 0

BookEvalWhiteLimit -140 -140

FVScale 16 16

Depth=0 0

MinimumThinkingTime 1000 1000

対局数5000 先手勝ち2410(53.1%) 後手勝ち2129(46.9%) 引き分け461

engine1

勝ち2796(61.6% R74.3 +-9.9) 先手勝ち1469(32.4%) 後手勝ち1327(29.2%)

宣言勝ち31 先手宣言勝ち17 後手宣言勝ち14 先手引き分け229 後手引き分け232

engine2

勝ち1743(38.4%) 先手勝ち941(20.7%) 後手勝ち802(17.7%)

宣言勝ち49 先手宣言勝ち22 後手宣言勝ち27 先手引き分け232 後手引き分け229

2796,461,1743

対局数=5000 同時対局数=64 ハッシュサイズ=384 開始手数=24 最大手数=320 開始局面ファイル=C:\Jenkins\workspace\TanukiColiseum.2023-04-16\TanukiColiseum\floodgate32-80.adjust_bishop_exchange.sfen NUMAノード数=1 表示更新間隔(ms)=3600000

思考エンジン1 思考エンジン2

name YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT

author by yaneurao by yaneurao

exeファイル C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine1\source\YaneuraOu-by-gcc.exe C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine2\source\YaneuraOu-by-gcc.exe

評価関数フォルダパス D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-01-22 D:\hnoda\tanuki-wcsc32-2022-05-06\eval

定跡手数 256 256

定跡ファイル名 no_book no_book

思考ノード数 0 0

思考ノード数に加える乱数(%) 0 0

思考ノード数の乱数を1手毎に変化させる False False

持ち時間(ms) 300000 300000

秒読み時間(ms) 0 0

加算時間(ms) 2000 2000

乱数付き思考時間(ms) 0 0

スレッド数 1 1

BookEvalDiff 30 30

定跡の採択率を考慮する true true

定跡の手数を無視する true true

SlowMover 100 100

DrawValue -2 -2

BookEvalBlackLimit 0 0

BookEvalWhiteLimit -140 -140

FVScale 16 16

Depth=0 0

MinimumThinkingTime 1000 1000

対局数5000 先手勝ち2447(53.3%) 後手勝ち2142(46.7%) 引き分け411

engine1

勝ち2625(57.2% R46.2 +-9.7) 先手勝ち1388(30.2%) 後手勝ち1237(27.0%)

宣言勝ち94 先手宣言勝ち49 後手宣言勝ち45 先手引き分け204 後手引き分け207

engine2

勝ち1964(42.8%) 先手勝ち1059(23.1%) 後手勝ち905(19.7%)

宣言勝ち5 先手宣言勝ち1 後手宣言勝ち4 先手引き分け207 後手引き分け204

2625,411,1964

対局数=5000 同時対局数=64 ハッシュサイズ=384 開始手数=24 最大手数=320 開始局面ファイル=C:\Jenkins\workspace\TanukiColiseum.2023-04-16\TanukiColiseum\floodgate32-80.adjust_bishop_exchange.sfen NUMAノード数=1 表示更新間隔(ms)=3600000

思考エンジン1 思考エンジン2

name YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT

author by yaneurao by yaneurao

exeファイル C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine1\source\YaneuraOu-by-gcc.exe C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine2\source\YaneuraOu-by-gcc.exe

評価関数フォルダパス D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-01-22 D:\hnoda\tanuki-wcsc33-2023-05-04\eval

定跡手数 256 256

定跡ファイル名 no_book no_book

思考ノード数 0 0

思考ノード数に加える乱数(%) 0 0

思考ノード数の乱数を1手毎に変化させる False False

持ち時間(ms) 300000 300000

秒読み時間(ms) 0 0

加算時間(ms) 2000 2000

乱数付き思考時間(ms) 0 0

スレッド数 1 1

BookEvalDiff 30 30

定跡の採択率を考慮する true true

定跡の手数を無視する true true

SlowMover 100 100

DrawValue -2 -2

BookEvalBlackLimit 0 0

BookEvalWhiteLimit -140 -140

FVScale 16 16

Depth=0 0

MinimumThinkingTime 1000 1000

対局数5000 先手勝ち2472(52.4%) 後手勝ち2248(47.6%) 引き分け280

engine1

勝ち2617(55.4% R35.8 +-9.7) 先手勝ち1369(29.0%) 後手勝ち1248(26.4%)

宣言勝ち61 先手宣言勝ち28 後手宣言勝ち33 先手引き分け134 後手引き分け146

engine2

勝ち2103(44.6%) 先手勝ち1103(23.4%) 後手勝ち1000(21.2%)

宣言勝ち6 先手宣言勝ち1 後手宣言勝ち5 先手引き分け146 後手引き分け134

2617,280,2103

学習ロスと検証ロスは、初めは Fine-tuning ありのほうがかなり小さかった。その後、 Fine-tuning なしと同じ程度まで上がった。最終的には Fine-tuning ありのほうが小さかった。

学習ロスと検証ロスの乖離は大きくなかった。

ネットワークパラメーターは、全体的な分布は Fine-tuning と大きくは変わらなかった。ただし、隠れ層第 3 層のバイアスは、 Fine-tuning なしよりかなり大きかった。

レーティングは、 Fine-tuning なしと比べて R74.3 高く、有意な差があった。また、 tanuki-wcsc32-2022-05-06 と比べて R46.2 高く、有意な差があった。さらに 、 tanuki-wcsc33-2023-05-04 と比べて R35.8 高く、 有意な差があった。

考察

学習ロスと検証ロスが初め小さかったのは、 lambda=1.0 だったためだと思う。 lambda=0.5 の場合、勝敗項との線形和となる。勝敗項は 0.0 または 1.0 をとり、平均すると 0.5 となる。これにより、クロスエントロピーが上がり、ロスが高くなる。一方、 lambda=1.0 の場合、評価値のみを使用するため、クロスエントロピーが下がるのだと思う。

その後上がったのは、 lambda=1.0 の学習が収束したためだと思う。

最終的なロスが Fine-tuning なしより低かったのは、 lambda=1.0 による学習により、局所最適解にハマらなかったためだと思う。

隠れ層第 3 層のバイアスが小さかったのは、 lambda=1.0 で学習させた際に、 lambda=0.5 とくらべて、教師信号が 0.5 付近の学習サンプルが多く、勾配が小さくなったためだと思う。

レーティングが Fine-tuning なしや tanuki-wcsc33/34 と比べて高かったのは、学習データの学習が過去の評価関数より進んだためだと思う。これは最終的なロスが低かったことから推測できると思う。

まとめ

nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させた。はじめに lambda=1.0 に設定して学習させ、収束後に lambda=0.5 に設定して Fine-Tuning した。

レーティングは、 Fine-tuning なしと比べて R74.3 高く、有意な差があった。また、 tanuki-wcsc32-2022-05-06 と比べて R46.2 高く、有意な差があった。さらに 、 tanuki-wcsc33-2023-05-04 と比べて R35.8 高く、 有意な差があった。レーティングが Fine-tuning なしや tanuki-wcsc33/34 と比べて高かったのは、学習データの学習が過去の評価関数より進んだためだと思う。これは最終的なロスが低かったことから推測できると思う。

次回は、今回作成した評価関数を、 Suishopsv-150m を用いて Fine-tuning したい。

tanuki- 2024-01-21 nnue-pytorch halfkp_1024x2-8-32 Adam

tanuki- 2024-01-21 nnue-pytorch halfkp_1024x2-8-32 Adam

実験内容

  • nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させる。
  • 最適化手法として Adam を使用する。

棋譜生成

生成ルーチン tanuki-棋譜生成ルーチン
評価関数 水匠5
1手あたりの思考 深さ最大 9 思考ノード数最大 50,000 ノード
開始局面 foodgate の 2020 年~ 2021 年の棋譜を使用した。レーティング 3900 以上同士の対局のみ使用した。 32 手目までから 1 局面ランダムに選択し、その局面を開始局面とした。ランダムムーブはしなかった。
生成局面数 10 億局面 × 8 セット
生成条件 対局は打ち切らず詰みの局面まで学習データに出力した

シャッフル条件

生成ルーチン tanuki-シャッフルルーチン
qsearch() あり
置換表 無効

機械学習

機械学習ルーチン nnue-pytorch + やねうら王 https://github.com/nodchip/nnue-pytorch/tree/shogi.2023-10-29.halfkp_1024x2-8-32
学習モデル halfkp_1024x2-8-32
学習手法 ミニバッチ SGD
初期学習率 (lr) 0.0001220703125
最適化手法 Adam
学習率調整手法 Warmup + Newbob 風
batch-size 8192
threads 8
num-workers 32
accelerator gpu
devices 1
features HalfKP
max-epoch 1000000
score-scaling 361
lambda 0.5
勝敗項の教師信号 0.999
num-batches-warmup 10000
newbob-decay 0.5
epoch-size 1000000
num-epochs-to-adjust-lr 500
学習を打ち切る下限 newbob scale 1e-5
1 epoch 毎のネットワークパラメーターのクリップ あり
ネットワークパラメーターの量子化 量子化なしで学習し、収束後に量子化する。
ネットワークパラメーターの初期化方法 pytorch のデフォルトの初期化手法で初期化する。
勾配の正規化 なし
momentum 0.9

レーティング測定

対局相手 tanuki-wcsc32 (マメット・ブンブク) https://docs.google.com/document/d/1F5RLCleB9QKDNwoIsyOv_TPRZXr5DselzUlwA_rmv90/edit?usp=sharing tanuki-.nnue-pytorch-2024-01-14
思考時間 持ち時間 300 秒 + 1 手 2 秒加算
対局数 5000
同時対局数 64
ハッシュサイズ 384
開始局面 dlshogi 互角局面集の角換わりの割合が 10% になるよう間引いたもの

実験結果

機械学習

検証ロス

Adam … 0.2583464962718931

モーメンタム … 0.2554917651230729

ネットワークパラメーターの分布

mean=-88.6923828125 std=40.901187896728516

mean=0.356431245803833 std=16.860219955444336

mean=709.875 std=1533.2794189453125

mean=-0.20684814453125 std=3.014765501022339

mean=378.0625 std=2421.078369140625

mean=1.57421875 std=25.17877960205078

mean=1844.0 std=nan

mean=-12.21875 std=56.30833053588867

レーティング測定

対局数=5000 同時対局数=64 ハッシュサイズ=384 開始手数=24 最大手数=320 開始局面ファイル=C:\Jenkins\workspace\TanukiColiseum.2023-04-16\TanukiColiseum\floodgate32-80.adjust_bishop_exchange.sfen NUMAノード数=1 表示更新間隔(ms)=3600000

思考エンジン1 思考エンジン2

name YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT

author by yaneurao by yaneurao

exeファイル C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine1\source\YaneuraOu-by-gcc.exe C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine2\source\YaneuraOu-by-gcc.exe

評価関数フォルダパス D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-01-19 D:\hnoda\tanuki-wcsc32-2022-05-06\eval

定跡手数 256 256

定跡ファイル名 no_book no_book

思考ノード数 0 0

思考ノード数に加える乱数(%) 0 0

思考ノード数の乱数を1手毎に変化させる False False

持ち時間(ms) 300000 300000

秒読み時間(ms) 0 0

加算時間(ms) 2000 2000

乱数付き思考時間(ms) 0 0

スレッド数 1 1

BookEvalDiff 30 30

定跡の採択率を考慮する true true

定跡の手数を無視する true true

SlowMover 100 100

DrawValue -2 -2

BookEvalBlackLimit 0 0

BookEvalWhiteLimit -140 -140

FVScale 16 16

Depth=0 0

MinimumThinkingTime 1000 1000

対局数5000 先手勝ち2501(54.1%) 後手勝ち2126(45.9%) 引き分け373

engine1

勝ち1827(39.5% R-68.5 +-9.8) 先手勝ち998(21.6%) 後手勝ち829(17.9%)

宣言勝ち88 先手宣言勝ち51 後手宣言勝ち37 先手引き分け204 後手引き分け169

engine2

勝ち2800(60.5%) 先手勝ち1503(32.5%) 後手勝ち1297(28.0%)

宣言勝ち22 先手宣言勝ち11 後手宣言勝ち11 先手引き分け169 後手引き分け204

1827,373,2800

対局数=5000 同時対局数=64 ハッシュサイズ=384 開始手数=24 最大手数=320 開始局面ファイル=C:\Jenkins\workspace\TanukiColiseum.2023-04-16\TanukiColiseum\floodgate32-80.adjust_bishop_exchange.sfen NUMAノード数=1 表示更新間隔(ms)=3600000

思考エンジン1 思考エンジン2

name YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT

author by yaneurao by yaneurao

exeファイル C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine1\source\YaneuraOu-by-gcc.exe C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine2\source\YaneuraOu-by-gcc.exe

評価関数フォルダパス D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-01-19 D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-01-14

定跡手数 256 256

定跡ファイル名 no_book no_book

思考ノード数 0 0

思考ノード数に加える乱数(%) 0 0

思考ノード数の乱数を1手毎に変化させる False False

持ち時間(ms) 300000 300000

秒読み時間(ms) 0 0

加算時間(ms) 2000 2000

乱数付き思考時間(ms) 0 0

スレッド数 1 1

BookEvalDiff 30 30

定跡の採択率を考慮する true true

定跡の手数を無視する true true

SlowMover 100 100

DrawValue -2 -2

BookEvalBlackLimit 0 0

BookEvalWhiteLimit -140 -140

FVScale 16 16

Depth=0 0

MinimumThinkingTime 1000 1000

対局数5000 先手勝ち2443(53.1%) 後手勝ち2158(46.9%) 引き分け399

engine1

勝ち2100(45.6% R-27.9 +-9.7) 先手勝ち1114(24.2%) 後手勝ち986(21.4%)

宣言勝ち26 先手宣言勝ち15 後手宣言勝ち11 先手引き分け209 後手引き分け190

engine2

勝ち2501(54.4%) 先手勝ち1329(28.9%) 後手勝ち1172(25.5%)

宣言勝ち63 先手宣言勝ち35 後手宣言勝ち28 先手引き分け190 後手引き分け209

2100,399,2501

学習ロスと検証ロスは、初めは Adam のほうが速く下がった。最終的なロスは Adam の方が大きかった。

学習ロスと検証ロスの乖離は、 Adam のほうが大きかった。

ネットワークパラメーターの重みは、 feature transform 層のバイアスは Adam のほうが平均的に大きく、標準偏差も大きかった。 feature transform 層の重みは、 Adam のほうが標準偏差が大きかった。隠れ層第 1 層のバイアスは、 Adam のほうが平均的に小さく、標準偏差も小さかった。隠れ層第 1 層の重みは、 Adam のほうが標準偏差が小さかった。隠れ層第 2 層のバイアスは、 Adam のほうが平均的に小さかった。隠れ層第 2 層の重みは、 Adam のほうが平均も標準偏差もやや小さかった。隠れ層第 3 層のバイアスは、 Adam のほうが小さかった。隠れ層第 3 層の重みは、 Adam のほうが平均は小さく、標準偏差は大きかった。

レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R68.5 低く、有意な差があった。また、モーメンタムのものと比べて R27.9 低く、有意な差があった。

考察

学習ロスと検証ロスが Adam のほうが大きかったのは、過学習によるものだと思う。これは、学習ロスト検証ロスの乖離から推測できる。

過学習が起きたのは、隠れ層第 1 層の重みの標準偏差が大きかったことが原因だと思う。標準偏差が大きかったのは、 Adam の 2 次モーメントの項により、隠れ層第 1 層の小さな勾配が大きな勾配に調整されたことが原因だと思う。

レーティングが Adam のほうが低かったのは、過学習によるものだと思う。

まとめ

nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させた。 その際、最適化手法として Adam を使用した。

レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R68.5 低く、有意な差があった。また、モーメンタムのものと比べて R27.9 低く、有意な差があった。 レーティングが Adam のほうが低かったのは、過学習によるものだと思う。

次回は、一度学習させたあと、ラムダと学習率の値を変えて追加学習させ、レーティングを測定したい。

tanuki- 2024-01-16 nnue-pytorch halfkp_1024x2-8-32 モーメンタム

tanuki- 2024-01-16 nnue-pytorch halfkp_1024x2-8-32 モーメンタム

実験内容

  • nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させる。
  • 学習の際、モーメンタムを使用する。

棋譜生成

生成ルーチン tanuki-棋譜生成ルーチン
評価関数 水匠5
1手あたりの思考 深さ最大 9 思考ノード数最大 50,000 ノード
開始局面 foodgate の 2020 年~ 2021 年の棋譜を使用した。レーティング 3900 以上同士の対局のみ使用した。 32 手目までから 1 局面ランダムに選択し、その局面を開始局面とした。ランダムムーブはしなかった。
生成局面数 10 億局面 × 8 セット
生成条件 対局は打ち切らず詰みの局面まで学習データに出力した

シャッフル条件

生成ルーチン tanuki-シャッフルルーチン
qsearch() あり
置換表 無効

機械学習

機械学習ルーチン nnue-pytorch + やねうら王 https://github.com/nodchip/nnue-pytorch/tree/shogi.2023-10-29.halfkp_1024x2-8-32
学習モデル halfkp_1024x2-8-32
学習手法 ミニバッチ SGD
初期学習率 (lr) 0.0001220703125
最適化手法 なし
学習率調整手法 Warmup + Newbob 風
batch-size 8192
threads 8
num-workers 8
accelerator gpu
devices 1
features HalfKP
max-epoch 1000000
score-scaling 361
lambda 0.5
勝敗項の教師信号 0.999
num-batches-warmup 10000
newbob-decay 0.5
epoch-size 1000000
num-epochs-to-adjust-lr 500
学習を打ち切る下限 newbob scale 1e-5
1 epoch 毎のネットワークパラメーターのクリップ あり
ネットワークパラメーターの量子化 量子化なしで学習し、収束後に量子化する。
ネットワークパラメーターの初期化方法 pytorch のデフォルトの初期化手法で初期化する。
勾配の正規化 なし
momentum 0.9

レーティング測定

対局相手 tanuki-wcsc32 (マメット・ブンブク) https://docs.google.com/document/d/1_dMTIinvvF-zMX0_kNP1Ow1sKaFMqiQ93tyySycvSXM/edit?usp=sharing tanuki-.nnue-pytorch-2023-12-18
思考時間 持ち時間 300 秒 + 1 手 2 秒加算
対局数 5000
同時対局数 64
ハッシュサイズ 384
開始局面 dlshogi 互角局面集の角換わりの割合が 10% になるよう間引いたもの

実験結果

機械学習

検証ロス

モーメンタムあり … 0.2554917651230729

モーメンタムなし … 0.2558451730358986

ネットワークパラメーターの分布

mean=-28.73828125 std=25.236358642578125

mean=-0.008272610604763031 std=3.403104782104492

mean=2393.875 std=2724.99560546875

mean=-0.28839111328125 std=6.238932132720947

mean=-3544.3125 std=5507.46826171875

mean=7.1484375 std=32.2811393737793

mean=5246.0 std=nan

mean=6.15625 std=48.83686447143555

レーティング測定

対局数=5000 同時対局数=64 ハッシュサイズ=384 開始手数=24 最大手数=320 開始局面ファイル=C:\Jenkins\workspace\TanukiColiseum.2023-04-16\TanukiColiseum\floodgate32-80.adjust_bishop_exchange.sfen NUMAノード数=1 表示更新間隔(ms)=3600000

思考エンジン1 思考エンジン2

name YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT

author by yaneurao by yaneurao

exeファイル C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine1\source\YaneuraOu-by-gcc.exe C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine2\source\YaneuraOu-by-gcc.exe

評価関数フォルダパス D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-01-14 D:\hnoda\tanuki-wcsc32-2022-05-06\eval

定跡手数 256 256

定跡ファイル名 no_book no_book

思考ノード数 0 0

思考ノード数に加える乱数(%) 0 0

思考ノード数の乱数を1手毎に変化させる False False

持ち時間(ms) 300000 300000

秒読み時間(ms) 0 0

加算時間(ms) 2000 2000

乱数付き思考時間(ms) 0 0

スレッド数 1 1

BookEvalDiff 30 30

定跡の採択率を考慮する true true

定跡の手数を無視する true true

SlowMover 100 100

DrawValue -2 -2

BookEvalBlackLimit 0 0

BookEvalWhiteLimit -140 -140

FVScale 16 16

Depth=0 0

MinimumThinkingTime 1000 1000

対局数5000 先手勝ち2422(53.7%) 後手勝ち2086(46.3%) 引き分け492

engine1

勝ち2050(45.5% R-28.4 +-9.7) 先手勝ち1110(24.6%) 後手勝ち940(20.9%)

宣言勝ち124 先手宣言勝ち60 後手宣言勝ち64 先手引き分け245 後手引き分け247

engine2

勝ち2458(54.5%) 先手勝ち1312(29.1%) 後手勝ち1146(25.4%)

宣言勝ち8 先手宣言勝ち4 後手宣言勝ち4 先手引き分け247 後手引き分け245

2050,492,2458

対局数=5000 同時対局数=64 ハッシュサイズ=384 開始手数=24 最大手数=320 開始局面ファイル=C:\Jenkins\workspace\TanukiColiseum.2023-04-16\TanukiColiseum\floodgate32-80.adjust_bishop_exchange.sfen NUMAノード数=1 表示更新間隔(ms)=3600000

思考エンジン1 思考エンジン2

name YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT

author by yaneurao by yaneurao

exeファイル C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine1\source\YaneuraOu-by-gcc.exe C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine2\source\YaneuraOu-by-gcc.exe

評価関数フォルダパス D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-01-14 D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2023-12-18

定跡手数 256 256

定跡ファイル名 no_book no_book

思考ノード数 0 0

思考ノード数に加える乱数(%) 0 0

思考ノード数の乱数を1手毎に変化させる False False

持ち時間(ms) 300000 300000

秒読み時間(ms) 0 0

加算時間(ms) 2000 2000

乱数付き思考時間(ms) 0 0

スレッド数 1 1

BookEvalDiff 30 30

定跡の採択率を考慮する true true

定跡の手数を無視する true true

SlowMover 100 100

DrawValue -2 -2

BookEvalBlackLimit 0 0

BookEvalWhiteLimit -140 -140

FVScale 16 16

Depth=0 0

MinimumThinkingTime 1000 1000

対局数5000 先手勝ち2497(53.1%) 後手勝ち2203(46.9%) 引き分け300

engine1

勝ち2567(54.6% R30.2 +-9.7) 先手勝ち1363(29.0%) 後手勝ち1204(25.6%)

宣言勝ち39 先手宣言勝ち19 後手宣言勝ち20 先手引き分け140 後手引き分け160

engine2

勝ち2133(45.4%) 先手勝ち1134(24.1%) 後手勝ち999(21.3%)

宣言勝ち39 先手宣言勝ち22 後手宣言勝ち17 先手引き分け160 後手引き分け140

2567,300,2133

学習ロスと検証ロスは、モーメンタムありのほうが低くなった。

学習ロスと検証ロスの乖離は、大きくはなかった。

学習率は、モーメンタムありのほうが下がるのが遅かった。

ネットワークパラメーターの重みは、モーメンタムなしと比べ、平均値が 0.0 に近かった。

レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R28.4 低く、有意な差があった。また、モーメンタムなしのものと比べて R30.2 高く、有意な差があった。

考察

学習ロスと検証ロスが、モーメンタムありのほうが低くなった理由として、学習データの教師信号のノイズが平均化され、勾配が滑らかになった可能性と、慣性により局所最適解から抜け出した可能性が考えられる。ただし、これらを定量的に評価する方法は思いつかない。

ネットワークパラメーターの重みの平均値が 0.0 に近かった理由は分からなかった。

レーティングが勾配の正規化なしのものと比べて高かったのは、より学習データに近づけることができたためだと思う。

まとめ

nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させた。 その際、学習の際、モーメンタムを使用した。

レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R28.4 低く、有意な差があった。また、モーメンタムなしのものと比べて R30.2 高く、有意な差があった。 レーティングが勾配の正規化なしのものと比べて高かったのは、より学習データに近づけることができたためだと思う。

次回は、最適過学習手法に Adam を使用して学習させ、レーティングを測定したい。

tanuki- 2024-01-10 nnue-pytorch halfkp_1024x2-8-32 勾配の正規化

tanuki- 2024-01-10 nnue-pytorch halfkp_1024x2-8-32 勾配の正規化

実験内容

  • nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させる。
  • 勾配を平均 0 標準偏差 0 に正規化して学習させる。

棋譜生成

生成ルーチン tanuki-棋譜生成ルーチン
評価関数 水匠5
1手あたりの思考 深さ最大 9 思考ノード数最大 50,000 ノード
開始局面 foodgate の 2020 年~ 2021 年の棋譜を使用した。レーティング 3900 以上同士の対局のみ使用した。 32 手目までから 1 局面ランダムに選択し、その局面を開始局面とした。ランダムムーブはしなかった。
生成局面数 10 億局面 × 8 セット
生成条件 対局は打ち切らず詰みの局面まで学習データに出力した

シャッフル条件

生成ルーチン tanuki-シャッフルルーチン
qsearch() あり
置換表 無効

機械学習

機械学習ルーチン nnue-pytorch + やねうら王 https://github.com/nodchip/nnue-pytorch/tree/shogi.2023-10-29.halfkp_1024x2-8-32
学習モデル halfkp_1024x2-8-32
学習手法 ミニバッチ SGD
初期学習率 (lr) 0.0001220703125
最適化手法 なし
学習率調整手法 Warmup + Newbob 風
batch-size 8192
threads 8
num-workers 8
accelerator gpu
devices 1
features HalfKP
max-epoch 1000000
score-scaling 361
lambda 0.5
勝敗項の教師信号 0.999
num-batches-warmup 10000
newbob-decay 0.5
epoch-size 1000000
num-epochs-to-adjust-lr 500
学習を打ち切る下限 newbob scale 1e-5
1 epoch 毎のネットワークパラメーターのクリップ あり
ネットワークパラメーターの量子化 量子化なしで学習し、収束後に量子化する。
ネットワークパラメーターの初期化方法 pytorch のデフォルトの初期化手法で初期化する。
勾配の正規化 平均 0 標準偏差 0

レーティング測定

対局相手 tanuki-wcsc32 (マメット・ブンブク) https://docs.google.com/document/d/1_dMTIinvvF-zMX0_kNP1Ow1sKaFMqiQ93tyySycvSXM/edit?usp=sharing tanuki-.nnue-pytorch-2023-12-18
思考時間 持ち時間 300 秒 + 1 手 2 秒加算
対局数 5000
同時対局数 64
ハッシュサイズ 384
開始局面 dlshogi 互角局面集の角換わりの割合が 10% になるよう間引いたもの

実験結果

機械学習

検証ロス

勾配の正規化あり … 0.25782179840211966

勾配の正規化なし … 0.2558451730358986

ネットワークパラメーターの分布

mean=0.0 std=0.0

mean=0.001039203954860568 std=16.19374656677246

mean=-10.5 std=194.92123413085938

mean=-0.00811767578125 std=2.5573554039001465

mean=-24.84375 std=1832.6700439453125

mean=-0.03125 std=33.172027587890625

mean=-795.0 std=nan

mean=-1.1875 std=43.35110855102539

レーティング測定

対局数=5000 同時対局数=64 ハッシュサイズ=384 開始手数=24 最大手数=320 開始局面ファイル=C:\Jenkins\workspace\TanukiColiseum.2023-04-16\TanukiColiseum\floodgate32-80.adjust_bishop_exchange.sfen NUMAノード数=1 表示更新間隔(ms)=3600000

思考エンジン1 思考エンジン2

name YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT

author by yaneurao by yaneurao

exeファイル C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine1\source\YaneuraOu-by-gcc.exe C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine2\source\YaneuraOu-by-gcc.exe

評価関数フォルダパス D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-01-06 D:\hnoda\tanuki-wcsc32-2022-05-06\eval

定跡手数 256 256

定跡ファイル名 no_book no_book

思考ノード数 0 0

思考ノード数に加える乱数(%) 0 0

思考ノード数の乱数を1手毎に変化させる False False

持ち時間(ms) 300000 300000

秒読み時間(ms) 0 0

加算時間(ms) 2000 2000

乱数付き思考時間(ms) 0 0

スレッド数 1 1

BookEvalDiff 30 30

定跡の採択率を考慮する true true

定跡の手数を無視する true true

SlowMover 100 100

DrawValue -2 -2

BookEvalBlackLimit 0 0

BookEvalWhiteLimit -140 -140

FVScale 16 16

Depth=0 0

MinimumThinkingTime 1000 1000

対局数5000 先手勝ち2509(53.1%) 後手勝ち2214(46.9%) 引き分け277

engine1

勝ち1366(28.9% R-146.4 +-10.5) 先手勝ち746(15.8%) 後手勝ち620(13.1%)

宣言勝ち72 先手宣言勝ち44 後手宣言勝ち28 先手引き分け161 後手引き分け116

engine2

勝ち3357(71.1%) 先手勝ち1763(37.3%) 後手勝ち1594(33.7%)

宣言勝ち7 先手宣言勝ち2 後手宣言勝ち5 先手引き分け116 後手引き分け161

1366,277,3357

対局数=5000 同時対局数=64 ハッシュサイズ=384 開始手数=24 最大手数=320 開始局面ファイル=C:\Jenkins\workspace\TanukiColiseum.2023-04-16\TanukiColiseum\floodgate32-80.adjust_bishop_exchange.sfen NUMAノード数=1 表示更新間隔(ms)=3600000

思考エンジン1 思考エンジン2

name YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT

author by yaneurao by yaneurao

exeファイル C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine1\source\YaneuraOu-by-gcc.exe C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine2\source\YaneuraOu-by-gcc.exe

評価関数フォルダパス D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-01-06 D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2023-12-18

定跡手数 256 256

定跡ファイル名 no_book no_book

思考ノード数 0 0

思考ノード数に加える乱数(%) 0 0

思考ノード数の乱数を1手毎に変化させる False False

持ち時間(ms) 300000 300000

秒読み時間(ms) 0 0

加算時間(ms) 2000 2000

乱数付き思考時間(ms) 0 0

スレッド数 1 1

BookEvalDiff 30 30

定跡の採択率を考慮する true true

定跡の手数を無視する true true

SlowMover 100 100

DrawValue -2 -2

BookEvalBlackLimit 0 0

BookEvalWhiteLimit -140 -140

FVScale 16 16

Depth=0 0

MinimumThinkingTime 1000 1000

対局数5000 先手勝ち2534(52.9%) 後手勝ち2253(47.1%) 引き分け213

engine1

勝ち1860(38.9% R-75.3 +-9.9) 先手勝ち1000(20.9%) 後手勝ち860(18.0%)

宣言勝ち22 先手宣言勝ち11 後手宣言勝ち11 先手引き分け108 後手引き分け105

engine2

勝ち2927(61.1%) 先手勝ち1534(32.0%) 後手勝ち1393(29.1%)

宣言勝ち50 先手宣言勝ち25 後手宣言勝ち25 先手引き分け105 後手引き分け108

1860,213,2927

学習ロスと検証ロスは、勾配の正規化ありのほうが高かった。

学習ロスと検証ロスの乖離は、大きくはなかった。

学習率は、初めは勾配の正規化ありのほうが下がるのが早かった。

ネットワークパラメーターの重みは、平均値はほとんどの層で 0.0 付近だった。

レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R146.4 低く、有意な差があった。また、勾配の正規化なしのものと比べて R75.3 低く、有意な差があった。

考察

学習ロスト検証ロスが、勾配の正規化ありのほうがたかった理由は分からなかった。今回の正規化は、インターネット上で調べた限り、広く用いられている方法ではなさそうだった。多くの人が試した結果、効果がないとされた方法なのかもしれない。

ネットワークパラメーターの重みの平均値が、ほとんどの層で 0.0 付近だった理由も分からなかった。

レーティングが勾配の正規化なしのものと比べて低かったのは、学習が十分に行えていないためだと思う。学習が十分に行えていない理由は分からなかった。

まとめ

nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させた。 その際、勾配を平均 0 標準偏差 0 に正規化して学習させた。

レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R146.4 低く、有意な差があった。また、勾配の正規化なしのものと比べて R75.3 低く、有意な差があった。 レーティングが勾配の正規化なしのものと比べて低かったのは、学習が十分に行えていないためだと思う。学習が十分に行えていない理由は分からなかった。

次回は、モーメンタムを有効にして学習させ、レーティングを測定したい。