tanuki- 2021-10-15 tanuki-tsec1 再現実験 1

実験内容

tanuki- tsec1 の学習の再現実験

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2
1手あたりの思考	深さ最大 24 思考ノード数最大 50,000 ノード
開始局面	foodgateの2019年～2020年前半の棋譜の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
生成局面数	10 億局面× 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

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	16
loop	100
batchsize	1000000
lambda	0.5
eta	1.0
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
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	する
初期ネットワークパラメーター	tanuki-wcsc29
勝敗項の教師信号	0.999999

レーティング測定

対局相手	tanuki-tsec1
思考時間	持ち時間 900 秒 + 1 手 5 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	たややん互換局面集

実験結果

レーティング測定

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=C:\Jenkins\workspace\TanukiColiseum.2021-09-05\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 6.50 64ZEN2 EVAL_LEARN author=by yaneurao exeファイル=C:\Jenkins\workspace\TanukiColiseum.2021-09-05\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.eta=1.0.lambda=0.5.weight_by_progress=1.use_hash_in_training=1.winning_percentage_for_win=0.999999\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)=900000 秒読み時間(ms)=0 加算時間(ms)=5000 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

思考エンジン2 name=YaneuraOu NNUE 6.50 64ZEN2 EVAL_LEARN author=by yaneurao exeファイル=C:\Jenkins\workspace\TanukiColiseum.2021-09-05\engine2\source\YaneuraOu-by-gcc.exe 評価関数フォルダパス=\\hnoda-dt2\D\hnoda\tanuki-denryu-tsec-1\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)=900000 秒読み時間(ms)=0 加算時間(ms)=5000 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

対局数2000 先手勝ち880(52.2%) 後手勝ち807(47.8%) 引き分け313

engine1

勝ち692(41.0% R-53.0 +-15.4) 先手勝ち359(21.3%) 後手勝ち333(19.7%)

宣言勝ち41 先手宣言勝ち20 後手宣言勝ち21 先手引き分け146 後手引き分け167

engine2

勝ち995(59.0%) 先手勝ち521(30.9%) 後手勝ち474(28.1%)

宣言勝ち37 先手宣言勝ち21 後手宣言勝ち16 先手引き分け167 後手引き分け146

692,313,995

まとめ

tanuki- tsec1 の学習の再現実験を行った。

training loss と test loss は、いずれも tanuki-tsec1 より高くなった。

指し手一致度は tanuki-tsec1 より低くなった。

平手局面評価値は tanuki-tsec1 と同等だった。

評価値の絶対値は tanuki-tsec1 より低かった。

レーティングは tanuki-tsec1 より 53.0 低かった。

training loss と test loss が tanuki-tsec1 より高い点、指し手一致度が tanuki-tsec1 より低い点、評価値の絶対値が tanuki-tsec1 より低い点、レーティングが tanuki-tsec1 より低い点より、再現実験に失敗したと結論付けられる。前回学習時と同じデータを使用している事より、原因として、学習データの読み込み以降の処理に、何らかの違いがあるという事が考えられる。違いとして以下のものが考えられる。