2022-06-27

tanuki- 2022-06-27 nnue-pytorch step と gamma の調整

実験内容

nnue-pytorch を用いた学習で、 StepLR の step と gamma を、 nnue-pytorch 本家最新版に変更し、レーティングを測定する。

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 FV_SCALE=16
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 年の棋譜のうち、レーティング 3900 以上同士の対局の 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なし
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.2022-05-23
学習モデル	halfkp_256x2-32-32
学習手法	SGD ミニバッチ法
最適化手法	Ranger
学習率調整手法	StepLR step=1 gamma=0.992
batch-size	16384
threads	2
num-workers	2
gpus	1
features	HalfKP
max_epoch	300
scaling (kPonanzaConstant)	361
lambda	0.5
勝敗項の教師信号	1.0

レーティング測定

対局相手	tanuki- 2022-04-01 halfkp_256x2-32-32 再実験 https://docs.google.com/document/d/1U2dtYgksApn9GYIUJEUtceE0Yc-0dfmx6kA44FopDXc/edit
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	768
開始局面	たややん互換局面集

実験結果

機械学習

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=768 開始手数=24 最大手数=320 開始局面ファイル=C:\Jenkins\workspace\TanukiColiseum.2022-05-02\TanukiColiseum\taya36_2020-11-06.sfen NUMAノード数=2 表示更新間隔(ms)=3600000

思考エンジン1 name=YaneuraOu NNUE 7.10 64ZEN2 TOURNAMENT author=by yaneurao exeファイル=C:\Jenkins\workspace\TanukiColiseum.2022-05-02\engine1\source\YaneuraOu-by-gcc.exe 評価関数フォルダパス=D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2022-06-29 定跡手数=256 定跡ファイル名=no_book 思考ノード数=0 思考ノード数に加える乱数(%)=0 思考ノード数の乱数を1手毎に変化させる=False 持ち時間(ms)=300000 秒読み時間(ms)=0 加算時間(ms)=2000 乱数付き思考時間(ms)=0 スレッド数=1 BookEvalDiff=30 定跡の採択率を考慮する=false 定跡の手数を無視する=false SlowMover=100 DrawValue=-2 BookEvalBlackLimit=0 BookEvalWhiteLimit=-140 FVScale1=16

思考エンジン2 name=YaneuraOu NNUE 7.10 64ZEN2 TOURNAMENT author=by yaneurao exeファイル=C:\Jenkins\workspace\TanukiColiseum.2022-05-02\engine2\source\YaneuraOu-by-gcc.exe 評価関数フォルダパス=D:\hnoda\shogi\eval\suisho5.halfkp_256x2-32-32.80G\final 定跡手数=256 定跡ファイル名=no_book 思考ノード数=0 思考ノード数に加える乱数(%)=0 思考ノード数の乱数を1手毎に変化させる=False 持ち時間(ms)=300000 秒読み時間(ms)=0 加算時間(ms)=2000 乱数付き思考時間(ms)=0 スレッド数=1 BookEvalDiff=30 定跡の採択率を考慮する=false 定跡の手数を無視する=false SlowMover=100 DrawValue=-2 BookEvalBlackLimit=0 BookEvalWhiteLimit=-140 FVScale2=16

対局数5000 先手勝ち2231(51.0%) 後手勝ち2141(49.0%) 引き分け628

engine1

勝ち2021(46.2% R-23.0 +-9.7) 先手勝ち1041(23.8%) 後手勝ち980(22.4%)

宣言勝ち19 先手宣言勝ち11 後手宣言勝ち8 先手引き分け299 後手引き分け329

engine2

勝ち2351(53.8%) 先手勝ち1190(27.2%) 後手勝ち1161(26.6%)

宣言勝ち64 先手宣言勝ち26 後手宣言勝ち38 先手引き分け329 後手引き分け299

2021,628,2351

学習ロスは、パラメーター調整前と比べて同じか、やや下がった。

検証ロスは、パラメーター調整前は、学習率が下がったときに急激に下がり、その後徐々に上がるのを繰り返していた。パラメーター調整後は、おおよそなだらかに下がり続けるようになった。

レーティングは、あくまで共通の対局相手とのレーティング差の比較になるが、パラメーター調整前に比べ、 R+14.8 程度上がった。ただし、直接対局させたわけではないため、本当にレーティングが上がったかどうかは分からない。

考察

学習ロスと検証ロスを見る限り、パラメーター調整後のほうが良く学習できているように思われる。

また、レーティングについては、パラメーター調整後のほうが強くなっているように思われる。ただし、できれば直接パラメーター調整前との対局をさせるべきだった。なお、今から直接パラメーター調整前との対局をさせた場合、多重検定の罠に引っかかるため、好ましくないと思われる。

まとめ

nnue-pytorch を用いた学習で、 StepLR の step と gamma を、 nnue-pytorch 本家最新版に変更し、レーティングを測定した。結果、パラメーター調整後のほうが、レーティングが伸びた可能性がある。今後は、このパラメーターを用いて実験していきたい。また、最適化手法についても、 Ranger 以外のものを試してみたい。

2022-06-27

tanuki- 2022-06-27 nnue-pytorch halfkp_1024x2-8-32

将棋コンピュータ将棋

tanuki- 2022-06-27 nnue-pytorch halfkp_1024x2-8-32

実験内容

nnue-pytorch を用いた学習で、 halfkp_1024x2-8-32 を用いて学習し、レーティングを測定する。

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 FV_SCALE=16
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 年の棋譜のうち、レーティング 3900 以上同士の対局の 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なし
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.2022-05-23
学習モデル	halfkp_1024x2-8-32
学習手法	SGD ミニバッチ法
最適化手法	Ranger
学習率調整手法	StepLR step=75 gamma=0.3
batch-size	16384
threads	2
num-workers	2
gpus	1
features	HalfKP
max_epoch	300
scaling (kPonanzaConstant)	361
lambda	0.5
勝敗項の教師信号	1.0

レーティング測定

対局相手	tanuki- 2022-04-01 halfkp_256x2-32-32 再実験 https://docs.google.com/document/d/1U2dtYgksApn9GYIUJEUtceE0Yc-0dfmx6kA44FopDXc/edit
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	640
開始局面	たややん互換局面集

実験結果

機械学習

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=640 開始手数=24 最大手数=320 開始局面ファイル=C:\Jenkins\workspace\TanukiColiseum.2022-05-02\TanukiColiseum\taya36_2020-11-06.sfen NUMAノード数=2 表示更新間隔(ms)=3600000

思考エンジン1 name=YaneuraOu NNUE 7.10 64ZEN2 TOURNAMENT author=by yaneurao exeファイル=C:\Jenkins\workspace\TanukiColiseum.2022-05-02\engine1\source\YaneuraOu-by-gcc.exe 評価関数フォルダパス=D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2022-06-27 定跡手数=256 定跡ファイル名=no_book 思考ノード数=0 思考ノード数に加える乱数(%)=0 思考ノード数の乱数を1手毎に変化させる=False 持ち時間(ms)=300000 秒読み時間(ms)=0 加算時間(ms)=2000 乱数付き思考時間(ms)=0 スレッド数=1 BookEvalDiff=30 定跡の採択率を考慮する=false 定跡の手数を無視する=false SlowMover=100 DrawValue=-2 BookEvalBlackLimit=0 BookEvalWhiteLimit=-140 FVScale1=16

対局数5000 先手勝ち2336(51.9%) 後手勝ち2169(48.1%) 引き分け495

engine1

勝ち1725(38.3% R-74.4 +-9.9) 先手勝ち915(20.3%) 後手勝ち810(18.0%)

宣言勝ち8 先手宣言勝ち3 後手宣言勝ち5 先手引き分け225 後手引き分け270

engine2

勝ち2780(61.7%) 先手勝ち1421(31.5%) 後手勝ち1359(30.2%)

宣言勝ち82 先手宣言勝ち54 後手宣言勝ち28 先手引き分け270 後手引き分け225

1725,495,2780

学習ロスは、 halfkp_256x2-32-32 と比べて下がった。

検証ロスは、 halfkp_256x2-32-32 と比べて、初めのうちは下がった。しかし、その後上昇し、学習率が下がった際にまた下がるを繰り返した。最終的には halfkp_256x2-32-32 より上がった。

また、学習ロスは下がり傾向だったが、検証ロスは途中から下がらなくなった。

レーティングは、対局相手と比べ、下がった。これは、 halfkp_256x2-32-32 と比べてだいぶ下がっている。

考察

学習ロスと検証ロスについては、過学習を起こしていると考えられる。レーティングの低下も、過学習が理由だと考えられる。

まとめ

nnue-pytorch を用いた学習で、 halfkp_1024x2-8-32 を用いて学習し、レーティングを測定した。

今回の実験では、過学習により、レーティングが halfkp_256x2-32-32 に比べて伸びなかった。

最適化手法と学習率調整手法について、実験してみたい。

2022-06-20

tanuki- 2022-06-20 nnue-pytorch HalfKP^

将棋コンピュータ将棋

tanuki- 2022-06-20 nnue-pytorch HalfKP^

実験内容

nnue-pytorch を用いた学習で、 HalfKP^ (HalfKP + K 次元下げ + P 次元下げ) を用いて学習させ、レーティングの変化を調べる。

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 FV_SCALE=16
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 年の棋譜のうち、レーティング 3900 以上同士の対局の 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なし
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.2022-05-23
学習モデル	halfkp_256x2-32-32
学習手法	SGD ミニバッチ法 Ranger
batch-size	16384
threads	2
num-workers	2
gpus	1
features	HalfKP^
max_epoch	300
scaling (kPonanzaConstant)	361
lambda	0.5
勝敗項の教師信号	1.0

レーティング測定

対局相手	tanuki- 2022-04-01 halfkp_256x2-32-32 再実験 https://docs.google.com/document/d/1U2dtYgksApn9GYIUJEUtceE0Yc-0dfmx6kA44FopDXc/edit
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	768
開始局面	たややん互換局面集

実験結果

機械学習

レーティング測定

思考エンジン1 name=YaneuraOu NNUE 7.10 64ZEN2 TOURNAMENT author=by yaneurao exeファイル=C:\Jenkins\workspace\TanukiColiseum.2022-05-02\engine1\source\YaneuraOu-by-gcc.exe 評価関数フォルダパス=D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2022-06-19 定跡手数=256 定跡ファイル名=no_book 思考ノード数=0 思考ノード数に加える乱数(%)=0 思考ノード数の乱数を1手毎に変化させる=False 持ち時間(ms)=300000 秒読み時間(ms)=0 加算時間(ms)=2000 乱数付き思考時間(ms)=0 スレッド数=1 BookEvalDiff=30 定跡の採択率を考慮する=false 定跡の手数を無視する=false SlowMover=100 DrawValue=-2 BookEvalBlackLimit=0 BookEvalWhiteLimit=-140 FVScale1=16

対局数5000 先手勝ち2280(52.7%) 後手勝ち2050(47.3%) 引き分け670

engine1

勝ち1847(42.7% R-44.4 +-9.7) 先手勝ち987(22.8%) 後手勝ち860(19.9%)

宣言勝ち27 先手宣言勝ち13 後手宣言勝ち14 先手引き分け320 後手引き分け350

engine2

勝ち2483(57.3%) 先手勝ち1293(29.9%) 後手勝ち1190(27.5%)

宣言勝ち72 先手宣言勝ち37 後手宣言勝ち35 先手引き分け350 後手引き分け320

1847,670,2483

まとめ

nnue-pytorch を用いた学習で、 HalfKP^ (HalfKP + K 次元下げ + P 次元下げ) を用いて学習させ、レーティングの変化を調べた。

学習ロスと検証ロスは、 HalfKP の場合と比べ、初めは速く下がった。一方、最終的には HalfKP より高くなった。

レーティングは、比較対象と比べて R-44.4 程度低かった。

学習ロスと検証ロスについては、正確な理由は不明。感覚的な話になるが、初めに早く下がったのは、 HalfKP と比べ、大まかな特徴を捉えやすいという事なのかもしれない。一方、最終的に HalfKP より高くなったのは、細かい特徴を捉えにくいという事なのかもしれない。

レーティングについては、 HalfKP^ は、レーティングには寄与しないことが分かった。

しばらくは、 HalfKP のまま実験を進めていきたい。

2022-06-18

tanuki- 2022-06-18 nnue-pytorch 勝敗項の教師信号

将棋コンピュータ将棋

tanuki- 2022-06-18 nnue-pytorch 勝敗項の教師信号

実験内容

nnue-pytorch を用いた学習で、勝敗項の教師信号を変更し、レーティングの変化を調べる。

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 FV_SCALE=16
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 年の棋譜のうち、レーティング 3900 以上同士の対局の 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なし
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.2022-05-23
学習モデル	halfkp_256x2-32-32
学習手法	SGD ミニバッチ法 Ranger
batch-size	16384
threads	2
num-workers	2
gpus	1
features	HalfKP
max_epoch	300
scaling (kPonanzaConstant)	361
lambda	0.5
勝敗項の教師信号	0.8

レーティング測定

対局相手	tanuki- 2022-04-01 halfkp_256x2-32-32 再実験 https://docs.google.com/document/d/1U2dtYgksApn9GYIUJEUtceE0Yc-0dfmx6kA44FopDXc/edit
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	768
開始局面	たややん互換局面集

実験結果

機械学習

レーティング測定

思考エンジン1 name=YaneuraOu NNUE 7.10 64ZEN2 TOURNAMENT author=by yaneurao exeファイル=C:\Jenkins\workspace\TanukiColiseum.2022-05-02\engine1\source\YaneuraOu-by-gcc.exe 評価関数フォルダパス=D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2022-06-16 定跡手数=256 定跡ファイル名=no_book 思考ノード数=0 思考ノード数に加える乱数(%)=0 思考ノード数の乱数を1手毎に変化させる=False 持ち時間(ms)=300000 秒読み時間(ms)=0 加算時間(ms)=2000 乱数付き思考時間(ms)=0 スレッド数=1 BookEvalDiff=30 定跡の採択率を考慮する=false 定跡の手数を無視する=false SlowMover=100 DrawValue=-2 BookEvalBlackLimit=0 BookEvalWhiteLimit=-140 FVScale1=16

対局数5000 先手勝ち2322(55.1%) 後手勝ち1892(44.9%) 引き分け786

engine1

勝ち1475(35.0% R-89.8 +-10.0) 先手勝ち820(19.5%) 後手勝ち655(15.5%)

宣言勝ち30 先手宣言勝ち14 後手宣言勝ち16 先手引き分け444 後手引き分け342

engine2

勝ち2739(65.0%) 先手勝ち1502(35.6%) 後手勝ち1237(29.4%)

宣言勝ち60 先手宣言勝ち31 後手宣言勝ち29 先手引き分け342 後手引き分け444

1475,786,2739

まとめ

nnue-pytorch を用いた学習で、勝敗項の教師信号を変更し、レーティングの変化を調べた。

学習ロスと検証ロスは、 t=1.0 の場合と比べて下がった

レーティングは、比較対象と比べて R-89.8 程度低かった。

学習ロスと検証ロスについては、 t=0.8 とすることにより、教師信号の値が 0.5 に近づく。これにより、ロスの計算式の通りに下がるのだと考えられる。

レーティングについては、 nnue-pytorch を用いた学習においては、 t の値を変更しないほうが良い、または変更するとしても、変更量を抑えたほうが良いという事なのだと思われる。

しばらくは、元の実験パラメーターの t=1.0 のまま実験を進めていきたい。

2022-06-14

tanuki- 2022-06-14 nnue-pytorch lambda

将棋コンピュータ将棋

tanuki- 2022-06-14 nnue-pytorch lambda

実験内容

nnue-pytorch を用いた学習で、 lambda の設定がレーティングに与える影響を調べる。

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 FV_SCALE=16
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 年の棋譜のうち、レーティング 3900 以上同士の対局の 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なし
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.2022-05-23
学習モデル	halfkp_256x2-32-32
学習手法	SGD ミニバッチ法 Ranger
batch-size	16384
threads	2
num-workers	2
gpus	1
features	HalfKP
max_epoch	300
scaling (kPonanzaConstant)	361
lambda	0.5
勝敗項の教師信号	1.0

レーティング測定

対局相手	tanuki- 2022-04-01 halfkp_256x2-32-32 再実験 https://docs.google.com/document/d/1U2dtYgksApn9GYIUJEUtceE0Yc-0dfmx6kA44FopDXc/edit
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	768
開始局面	たややん互換局面集

実験結果

機械学習

レーティング測定

思考エンジン1 name=YaneuraOu NNUE 7.10 64ZEN2 TOURNAMENT author=by yaneurao exeファイル=C:\Jenkins\workspace\TanukiColiseum.2022-05-02\engine1\source\YaneuraOu-by-gcc.exe 評価関数フォルダパス=D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2022-06-13 定跡手数=256 定跡ファイル名=no_book 思考ノード数=0 思考ノード数に加える乱数(%)=0 思考ノード数の乱数を1手毎に変化させる=False 持ち時間(ms)=300000 秒読み時間(ms)=0 加算時間(ms)=2000 乱数付き思考時間(ms)=0 スレッド数=1 BookEvalDiff=30 定跡の採択率を考慮する=false 定跡の手数を無視する=false SlowMover=100 DrawValue=-2 BookEvalBlackLimit=0 BookEvalWhiteLimit=-140 FVScale1=16

対局数5000 先手勝ち2265(52.7%) 後手勝ち2035(47.3%) 引き分け700

engine1

勝ち1879(43.7% R-37.8 +-9.7) 先手勝ち1003(23.3%) 後手勝ち876(20.4%)

宣言勝ち11 先手宣言勝ち4 後手宣言勝ち7 先手引き分け337 後手引き分け363

engine2

勝ち2421(56.3%) 先手勝ち1262(29.3%) 後手勝ち1159(27.0%)

宣言勝ち103 先手宣言勝ち53 後手宣言勝ち50 先手引き分け363 後手引き分け337

1879,700,2421

まとめ

nnue-pytorch を用いた学習で、 lambda の設定がレーティングに与える影響を調べた。

学習ロスと検証ロスは、 lambda=1.0 の場合と比べて上がった。

レーティングは、比較対象と比べて R-37.8 程度低かった。

学習ロスと検証ロスについては、ロスの計算式と矛盾はない。

レーティングについては、 lambda の値を調整することで、レーティングを向上させることができることを示唆している。

しばらくは lambda=0.5 というパラメーターで実験を進めていきたい。また、どこかのタイミングで、最適な lambda の値をグリッドサーチしたい。

2022-06-12

tanuki- 2022-06-12 nnue-pytorch scaling

将棋コンピュータ将棋

tanuki- 2022-06-11 nnue-pytorch max_epoch

実験内容

nnue-pytorch を用いた学習で、 scaling (kPonanzaConstant) の設定がレーティングに与える影響を調べる。

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 FV_SCALE=16
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 年の棋譜のうち、レーティング 3900 以上同士の対局の 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なし
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.2022-05-23
学習モデル	halfkp_256x2-32-32
学習手法	SGD ミニバッチ法 Ranger
batch-size	16384
threads	2
num-workers	2
gpus	1
features	HalfKP
max_epoch	300
scaling (kPonanzaConstant)	600
勝敗項の教師信号	1.0

レーティング測定

対局相手	tanuki- 2022-04-01 halfkp_256x2-32-32 再実験 https://docs.google.com/document/d/1U2dtYgksApn9GYIUJEUtceE0Yc-0dfmx6kA44FopDXc/edit
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	768
開始局面	たややん互換局面集

実験結果

機械学習

レーティング測定

思考エンジン1 name=YaneuraOu NNUE 7.10 64ZEN2 TOURNAMENT author=by yaneurao exeファイル=C:\Jenkins\workspace\TanukiColiseum.2022-05-02\engine1\source\YaneuraOu-by-gcc.exe 評価関数フォルダパス=D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2022-06-11 定跡手数=256 定跡ファイル名=no_book 思考ノード数=0 思考ノード数に加える乱数(%)=0 思考ノード数の乱数を1手毎に変化させる=False 持ち時間(ms)=300000 秒読み時間(ms)=0 加算時間(ms)=2000 乱数付き思考時間(ms)=0 スレッド数=1 BookEvalDiff=30 定跡の採択率を考慮する=false 定跡の手数を無視する=false SlowMover=100 DrawValue=-2 BookEvalBlackLimit=0 BookEvalWhiteLimit=-140 FVScale1=16

対局数5000 先手勝ち2283(51.7%) 後手勝ち2137(48.3%) 引き分け580

engine1

勝ち1490(33.7% R-103.0 +-10.1) 先手勝ち784(17.7%) 後手勝ち706(16.0%)

宣言勝ち25 先手宣言勝ち13 後手宣言勝ち12 先手引き分け285 後手引き分け295

engine2

勝ち2930(66.3%) 先手勝ち1499(33.9%) 後手勝ち1431(32.4%)

宣言勝ち93 先手宣言勝ち45 後手宣言勝ち48 先手引き分け295 後手引き分け285

1490,580,2930

まとめ

nnue-pytorch を用いた学習で、 scaling (kPonanzaConstant) の設定がレーティングに与える影響を調べた。

学習ロスと検証ロスは、 scaling=361 の場合と比べて下がった。

レーティングは、比較対象と比べて R-103 ほど低かった。

学習ロスと検証ロスについては、定数を変更したことにより、出力がより教師データに近づいたのだと思われる。

レーティングについては、学習ロスと検証ロスが下がったからといって、必ずしもレーティングが上がるわけではないという事を表している。

今後は、元の値である scaling=361 で実験を進めていきたい。

2022-06-11

tanuki- 2022-06-11 nnue-pytorch max_epoch

将棋コンピュータ将棋

tanuki- 2022-06-11 nnue-pytorch max_epoch

実験内容

nnue-pytorch を用いた学習で、 max_epoch の設定が学習結果に影響を及ぼすかどうか調べる。

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 FV_SCALE=16
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 年の棋譜のうち、レーティング 3900 以上同士の対局の 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なし
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.2022-05-23
学習モデル	halfkp_256x2-32-32
学習手法	SGD ミニバッチ法 Ranger
batch-size	16384
threads	2
num-workers	2
gpus	1
features	HalfKP
max_epoch	300
勝敗項の教師信号	1.0

レーティング測定

対局相手	tanuki- 2022-04-01 halfkp_256x2-32-32 再実験 https://docs.google.com/document/d/1U2dtYgksApn9GYIUJEUtceE0Yc-0dfmx6kA44FopDXc/edit
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	768
開始局面	たややん互換局面集

実験結果

機械学習

レーティング測定

思考エンジン1 name=YaneuraOu NNUE 7.10 64ZEN2 TOURNAMENT author=by yaneurao exeファイル=C:\Jenkins\workspace\TanukiColiseum.2022-05-02\engine1\source\YaneuraOu-by-gcc.exe 評価関数フォルダパス=D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2022-06-09 定跡手数=256 定跡ファイル名=no_book 思考ノード数=0 思考ノード数に加える乱数(%)=0 思考ノード数の乱数を1手毎に変化させる=False 持ち時間(ms)=300000 秒読み時間(ms)=0 加算時間(ms)=2000 乱数付き思考時間(ms)=0 スレッド数=1 BookEvalDiff=30 定跡の採択率を考慮する=false 定跡の手数を無視する=false SlowMover=100 DrawValue=-2 BookEvalBlackLimit=0 BookEvalWhiteLimit=-140 FVScale1=16

対局数5000 先手勝ち2294(52.8%) 後手勝ち2049(47.2%) 引き分け657

engine1

勝ち1752(40.3% R-58.9 +-9.8) 先手勝ち932(21.5%) 後手勝ち820(18.9%)

宣言勝ち14 先手宣言勝ち3 後手宣言勝ち11 先手引き分け338 後手引き分け319

engine2

勝ち2591(59.7%) 先手勝ち1362(31.4%) 後手勝ち1229(28.3%)

宣言勝ち70 先手宣言勝ち31 後手宣言勝ち39 先手引き分け319 後手引き分け338

1752,657,2591

まとめ

nnue-pytorch を用いた学習で、 max_epoch の設定が学習結果に影響を及ぼすかどうか調べた。

学習ロスと検証ロスは、問題なく下がっている。

レーティングは、比較対象と比べて R-58 ほど低かった。

学習ロスと検証ロスについては、大きな問題なく学習できていることを表していると考えられる。

レーティングについては、

https://docs.google.com/document/d/1ij4bEPo67Y7oR0YcFrC9scZVQx_RrqctZkcqyVmNayQ/edit

と比較し、大きな差はなかった。 epoch 228 と 300 では、レーティングに大きな差はないと考えられる。

今後は、学習 epoch 数の変化による学習結果の変化を防ぐため、 max_epoch=300 を指定してさせたいと思う。