tanuki- 2021-10-25 lambda 調整

tanuki- 2021-10-25 lambda 調整

実験内容

• tanuki-wcsc29 からの追加実験において、 labmda を、別の実験で最適値だった 0.4 に設定し、勝率を測定する

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	0.4
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	1.0

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

16:22:32 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

16:22:32 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.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)=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

16:22:32 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=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

16:22:32 対局数2000 先手勝ち899(54.2%) 後手勝ち759(45.8%) 引き分け342

16:22:32 engine1

16:22:32 勝ち766(46.2% R-21.9 +-15.3) 先手勝ち404(24.4%) 後手勝ち362(21.8%)

16:22:32 宣言勝ち24 先手宣言勝ち11 後手宣言勝ち13 先手引き分け145 後手引き分け197

16:22:32 engine2

16:22:32 勝ち892(53.8%) 先手勝ち495(29.9%) 後手勝ち397(23.9%)

16:22:32 宣言勝ち53 先手宣言勝ち32 後手宣言勝ち21 先手引き分け197 後手引き分け145

16:22:32 766,342,892

まとめ

tanuki-wcsc29 からの追加実験において、 labmda を、別の実験で最適値だった 0.4 に設定し、勝率を測定した。

train loss と test loss は、 tanuki-tsec1 に比べて低かった。

指し手一致率は、 tanuki-tsec1 に比べて低かった。

平手局面の評価値は、 tanuki-tsec1 と同等だった。

評価値の絶対値は、 tanuki-tsec1 に比べ、やや高かった。

train loss と test loss の値が低いのは、 lambda を変更したことにより、 教師信号に 0.0 や 1.0 に近い値が増えたためだと思われる。

指して一致率が低いのは、 lambda を下げたことにより、勝敗項の影響が強くなったためだと思われる。

評価値の絶対値が高いのは、 train loss や test loss と同様、教師信号に 0.0 や 1.0 に近い値が増えたためだと思われる。

tanuki-wcsc29 からの追加実験において、 labmda の最適値は、別の実験で最適値だった 0.4 ではないようである。入力データや、学習パラメーターの違いにより、都度パラメーターを変える必要があると思われる。