tanuki- 2021-03-22 halfkp_256x2-32-32 Weighted Loss 2周目 棋譜生成時ノード数調査
実験方法
棋譜生成
生成ルーチン | tanuki- 棋譜生成ルーチン |
評価関数 | halfkp_256x2-32-32.iteration=1.weight_by_progress=1.add.lambda=0.5 |
1手あたりの思考 | 思考ノード数 10 万 |
開始局面 | foodgate上の棋譜の 64 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 |
生成局面数 | 1 億局面生成 × 2 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 |
シャフル | tanuki- 棋譜シャッフルルーチン |
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 | 16 |
Threads | 16 |
loop | 100 |
batchsize | 1000000 |
lambda | 0.5 |
eta | 0.01 |
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 | 有効 学習率に(1.0-進行度)を掛けて学習させた |
次元下げ | K・P・HalfRelativeKP・左右対称 |
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 | halfkp_256x2-32-32.iteration=1.weight_by_progress=1.add.lambda=0.5 |
レーティング測定
対局相手 | halfkp_256x2-32-32.iteration=1.weight_by_progress=1.add.lambda=0.5 水匠2 |
思考時間 | 持ち時間300秒+1手2秒加算 |
対局数 | 2000 |
同時対局数 | 64 |
ハッシュサイズ | 768 |
開始局面 | たややん互角局面集 24手目 |
実験結果
機械学習
レーティング計測
lambda=0.5
対 halfkp_256x2-32-32.iteration=1.weight_by_progress=1.add.lambda=0.5
対局数=2000 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=D:\Jenkins\workspace\TanukiColiseum.2021-02-25\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 6.02 64ZEN2 EVAL_LEARN author=by yaneurao exeファイル=D:\Jenkins\workspace\TanukiColiseum.2021-02-25\engine1\source\YaneuraOu-by-gcc.exe 評価関数フォルダパス=D:\hnoda\shogi\eval\halfkp_256x2-32-32.iteration=2.weight_by_progress=1.nodes=100000\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
思考エンジン2 name=YaneuraOu NNUE 6.02 64ZEN2 EVAL_LEARN author=by yaneurao exeファイル=D:\Jenkins\workspace\TanukiColiseum.2021-02-25\engine2\source\YaneuraOu-by-gcc.exe 評価関数フォルダパス=D:\hnoda\shogi\eval\halfkp_256x2-32-32.iteration=1.weight_by_progress=1.add.lambda=0.5\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
対局数2000 先手勝ち905(52.6%) 後手勝ち816(47.4%) 引き分け279
engine1
勝ち856(49.7% R-1.6 +-15.2) 先手勝ち443(25.7%) 後手勝ち413(24.0%)
宣言勝ち45 先手宣言勝ち23 後手宣言勝ち22 先手引き分け123 後手引き分け156
engine2
勝ち865(50.3%) 先手勝ち462(26.8%) 後手勝ち403(23.4%)
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156 後手引き分け123
856,279,865
対 水匠2
対局数=2000 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=D:\Jenkins\workspace\TanukiColiseum.2021-02-25\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 6.02 64ZEN2 EVAL_LEARN author=by yaneurao exeファイル=D:\Jenkins\workspace\TanukiColiseum.2021-02-25\engine1\source\YaneuraOu-by-gcc.exe 評価関数フォルダパス=D:\hnoda\shogi\eval\halfkp_256x2-32-32.iteration=2.weight_by_progress=1.nodes=100000\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
思考エンジン2 name=YaneuraOu NNUE 6.02 64ZEN2 EVAL_LEARN author=by yaneurao exeファイル=D:\Jenkins\workspace\TanukiColiseum.2021-02-25\engine2\source\YaneuraOu-by-gcc.exe 評価関数フォルダパス=D:\hnoda\suisho-wcsoc2020\eval 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
対局数2000 先手勝ち969(52.8%) 後手勝ち865(47.2%) 引き分け166
engine1
勝ち932(50.8% R5.2 +-15.2) 先手勝ち493(26.9%) 後手勝ち439(23.9%)
宣言勝ち3 先手宣言勝ち1 後手宣言勝ち2 先手引き分け86 後手引き分け80
engine2
勝ち902(49.2%) 先手勝ち476(26.0%) 後手勝ち426(23.2%)
宣言勝ち62 先手宣言勝ち34 後手宣言勝ち28 先手引き分け80 後手引き分け86
932,166,902
lambda=0.4
対 halfkp_256x2-32-32.iteration=1.weight_by_progress=1.add.lambda=0.5
対局数=2000 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=D:\Jenkins\workspace\TanukiColiseum.2021-02-25\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 6.02 64ZEN2 EVAL_LEARN author=by yaneurao exeファイル=D:\Jenkins\workspace\TanukiColiseum.2021-02-25\engine1\source\YaneuraOu-by-gcc.exe 評価関数フォルダパス=D:\hnoda\shogi\eval\halfkp_256x2-32-32.iteration=2.weight_by_progress=1.nodes=100000.lambda=0.4\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
思考エンジン2 name=YaneuraOu NNUE 6.02 64ZEN2 EVAL_LEARN author=by yaneurao exeファイル=D:\Jenkins\workspace\TanukiColiseum.2021-02-25\engine2\source\YaneuraOu-by-gcc.exe 評価関数フォルダパス=D:\hnoda\shogi\eval\halfkp_256x2-32-32.iteration=1.weight_by_progress=1.add.lambda=0.5\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
対局数2000 先手勝ち862(51.2%) 後手勝ち823(48.8%) 引き分け315
engine1
勝ち896(53.2% R18.6 +-15.3) 先手勝ち462(27.4%) 後手勝ち434(25.8%)
宣言勝ち41 先手宣言勝ち23 後手宣言勝ち18 先手引き分け167 後手引き分け148
engine2
勝ち789(46.8%) 先手勝ち400(23.7%) 後手勝ち389(23.1%)
宣言勝ち30 先手宣言勝ち15 後手宣言勝ち15 先手引き分け148 後手引き分け167
896,315,789
対 水匠2
対局数=2000 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=D:\Jenkins\workspace\TanukiColiseum.2021-02-25\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 6.02 64ZEN2 EVAL_LEARN author=by yaneurao exeファイル=D:\Jenkins\workspace\TanukiColiseum.2021-02-25\engine1\source\YaneuraOu-by-gcc.exe 評価関数フォルダパス=D:\hnoda\shogi\eval\halfkp_256x2-32-32.iteration=2.weight_by_progress=1.nodes=100000.lambda=0.4\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
思考エンジン2 name=YaneuraOu NNUE 6.02 64ZEN2 EVAL_LEARN author=by yaneurao exeファイル=D:\Jenkins\workspace\TanukiColiseum.2021-02-25\engine2\source\YaneuraOu-by-gcc.exe 評価関数フォルダパス=D:\hnoda\suisho-wcsoc2020\eval 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
対局数2000 先手勝ち960(52.3%) 後手勝ち877(47.7%) 引き分け163
engine1
勝ち938(51.1% R6.8 +-15.2) 先手勝ち489(26.6%) 後手勝ち449(24.4%)
宣言勝ち6 先手宣言勝ち2 後手宣言勝ち4 先手引き分け83 後手引き分け80
engine2
勝ち899(48.9%) 先手勝ち471(25.6%) 後手勝ち428(23.3%)
宣言勝ち56 先手宣言勝ち25 後手宣言勝ち31 先手引き分け80 後手引き分け83
938,163,899
まとめ
halfkp_256x2-32-32 において、 Weighted Loss ありで強化学習を行う際、 lambda の値を調整した。結果、 lambda=0.4 としたときに、元の評価関数に比べて優位に強くなった。一方、水匠 2 に対して、有意な差は出なかった。