tanuki- 2022-07-18 tanuki- 学習部 リグレッション調査 (2)
実験内容
- 前回の実験で、シャッフル時の qsearch をしていなかったため、 qsearch を行ったうえで、再度学習器にリグレッションがないかどうか調べる。
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 |
開始局面後のランダムムーブ | 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 |
棋譜シャッフル
シャッフルルーチン | tanuki-棋譜シャッフルルーチン |
qsearch | あり |
機械学習
機械学習ルーチン | やねうら王機械学習ルーチン |
学習モデル | halfkp_256x2-32-32 |
学習手法 | SGD ミニバッチ法 |
USI_Hash | 1024 |
Threads | 127 |
loop | 100 |
batchsize | 1000000 |
lambda | 0.5 |
eta | eta1=1e-8 eta2=1.0 eta1_epoch=100 |
newbob_decay | 0.5 |
nn_batch_size | 1000 |
eval_save_interval | 100000000 |
loss_output_interval | 1000000 |
mirror_percentage | 50 |
eval_limit | 32000 |
weight_by_progress | 無効 |
次元下げ | K・P・相対KP |
学習データ内で重複した局面の除外 | しない |
初期ネットワークパラメーター | tanuki-wcsc29 |
勝敗項の教師信号 | 1.0・0.8 |
やねうら王バージョン | V5.32 ~ V5.33 相当 |
レーティング測定
対局相手 | https://docs.google.com/document/d/1Lup-hHFH2_QWqEfe56obJ6OEwj15P-C0VO6pWV9-vgo/edit?usp=sharing やねうら王 V5.33 で作成した評価関数 |
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
suisho5.halfkp_256x2-32-32.preqsearch.evaluate … https://docs.google.com/document/d/17vqBF0o90k853sgU7TTMOOvkUr52x934hc9HAm_3tYs/edit?usp=sharing
suisho5.halfkp_256x2-32-32.retry.winning_percentage_for_win=0.80 .. 本実験
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-wcsc29-2019-05-06.suisho5.winning_percentage_for_win=0.80\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 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\regression.v5.33\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=20
対局数5000 先手勝ち2178(53.7%) 後手勝ち1879(46.3%) 引き分け943
engine1
勝ち1888(46.5% R-19.5 +-9.6) 先手勝ち1010(24.9%) 後手勝ち878(21.6%)
宣言勝ち124 先手宣言勝ち59 後手宣言勝ち65 先手引き分け490 後手引き分け453
engine2
勝ち2169(53.5%) 先手勝ち1168(28.8%) 後手勝ち1001(24.7%)
宣言勝ち56 先手宣言勝ち27 後手宣言勝ち29 先手引き分け453 後手引き分け490
1888,943,2169
学習ロスと検証ロスは、ベースラインと比べてほとんど変わらなかった。
平手局面の評価値は、ベースラインと比べてほとんど変わらなかった。
評価値の絶対値は、ベースラインと比べてほとんど変わらなかった。
レーティングは、対局相手に対して、 R-19.5 程度低かった。
考察
学習ロス、検証ロス、評価値の絶対値より、前回の実験で学習がうまく行かなかったのは、シャッフル時の qsearch をし忘れていたのが原因だと分かった。
平手局面の評価値については、機械学習で大きな問題が起こっていないことを表している。
レーティングについては、やねうら王 V5.33 で学習させたほうが R20 程度強いことが過去の実験で分かっており、その結果と矛盾はないと思われる。
まとめ
前回の実験で、シャッフル時の qsearch をしていなかったため、 qsearch を行ったうえで、再度学習器にリグレッションがないかどうか調べた。結果、シャッフル時に qsearch を行わなかったことが、リグレッションの原因だったことが判明した。今後は、設定ミスを防ぐため、シャッフル時に qsearch を行うことをデフォルトの設定に組み込んで、実験を進めていきたい。