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。