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
機械学習
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。
- 学習ルーチンの違い
- 進行度推定のモデルの違い
これらについて順に調べていきたい。