tanuki- 2021-11-02 HalfKP相対次元下げの無効化

tanuki- 2021-11-02 HalfKP相対次元下げの無効化

実験内容

• tanuki-wcsc29 からの追加学習において、 KP 相対次元下げを無効化した状態で学習し、勝率を測定する。
• Stockfish では、 HalfKP 相対次元下げは無効化されている。

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・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	0.99

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	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

レーティング測定

12:16:20 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.2021-09-05\TanukiColiseum\taya36_2020-11-06.sfen NUMAノード数=2 表示更新間隔(ms)=3600000

12:16:20 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.HALF_RELATIVE_KP=OFF\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 DrawValue=-2

12:16:20 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 DrawValue=-2

12:16:20 対局数5000 先手勝ち2206(53.0%) 後手勝ち1956(47.0%) 引き分け838

12:16:20 engine1

12:16:20 勝ち1947(46.8% R-18.6 +-9.6) 先手勝ち1028(24.7%) 後手勝ち919(22.1%)

12:16:20 宣言勝ち72 先手宣言勝ち30 後手宣言勝ち42 先手引き分け403 後手引き分け435

12:16:20 engine2

12:16:20 勝ち2215(53.2%) 先手勝ち1178(28.3%) 後手勝ち1037(24.9%)

12:16:20 宣言勝ち57 先手宣言勝ち31 後手宣言勝ち26 先手引き分け435 後手引き分け403

12:16:20 1947,838,2215

まとめ

tanuki-wcsc29 からの追加学習において、 KP 相対次元下げを無効化した状態で学習し、勝率を測定した。

検証ロスおよびテストロスは、KP 相対次元下げを有効化したものに比べてわずかに下がった。

指して一致率は、KP 相対次元下げを有効化したものに比べてわずかに下がった。

平手局面の評価値は、KP 相対次元下げを有効化したものと比べ、ほとんど変わらなかった。

評価値の絶対は、KP 相対次元下げを有効化したものと比べ、ほとんど変わらなかった。

勝率は、KP 相対次元下げを有効化したものと比べ、有意に下がった。

KP 相対次元下げは有効化したほうが良いと思われる。