tanuki- 2021-11-14 HalfKP_vm

tanuki- 2021-11-14 HalfKP_vm

実験内容

• HalfKP_vm 特徴量を用い、ランダムパラメーターから学習させ、棋力を測定する。
• HalfKP_vm は、 HalfKP のうち、 6～9 筋に玉がいた場合、 4～1 筋に玉がいるものとして扱う特徴量である。
• vm は Vertical Mirror を表す。

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_vm_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	なし
学習データ内で重複した局面の除外	しない
初期ネットワークパラメーター	ランダム
勝敗項の教師信号	0.99

レーティング測定

対局相手	tanuki-tsec1、halkp_256x2-32-32 を同条件で学習したもの
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

02:01:27 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

02:01:27 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\suisho-wcsoc2020.YANEURAOU_ENGINE_NNUE\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

02:01:27 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

02:01:27 対局数2000 先手勝ち901(49.9%) 後手勝ち905(50.1%) 引き分け194

02:01:27 engine1

02:01:27 勝ち369(20.4% R-207.0 +-18.0) 先手勝ち186(10.3%) 後手勝ち183(10.1%)

02:01:27 宣言勝ち11 先手宣言勝ち5 後手宣言勝ち6 先手引き分け104 後手引き分け90

02:01:27 engine2

02:01:27 勝ち1437(79.6%) 先手勝ち715(39.6%) 後手勝ち722(40.0%)

02:01:27 宣言勝ち11 先手宣言勝ち8 後手宣言勝ち3 先手引き分け90 後手引き分け104

02:01:27 369,194,1437

16:22:07 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

16:22:07 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\suisho-wcsoc2020.YANEURAOU_ENGINE_NNUE_HALFKP_VM_256X2_32_32\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

16:22:07 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

16:22:07 対局数2000 先手勝ち921(52.3%) 後手勝ち840(47.7%) 引き分け239

16:22:07 engine1

16:22:07 勝ち479(27.2% R-147.8 +-16.6) 先手勝ち251(14.3%) 後手勝ち228(12.9%)

16:22:07 宣言勝ち1 先手宣言勝ち1 後手宣言勝ち0 先手引き分け102 後手引き分け137

16:22:07 engine2

16:22:07 勝ち1282(72.8%) 先手勝ち670(38.0%) 後手勝ち612(34.8%)

16:22:07 宣言勝ち36 先手宣言勝ち13 後手宣言勝ち23 先手引き分け137 後手引き分け102

16:22:07 479,239,1282

08:00:03 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

08:00:03 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\suisho-wcsoc2020.YANEURAOU_ENGINE_NNUE_HALFKP_VM_256X2_32_32\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

08:00:03 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\shogi\eval\suisho-wcsoc2020.YANEURAOU_ENGINE_NNUE\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

08:00:03 対局数5000 先手勝ち2334(52.8%) 後手勝ち2085(47.2%) 引き分け581

08:00:03 engine1

08:00:03 勝ち2689(60.9% R67.5 +-9.8) 先手勝ち1409(31.9%) 後手勝ち1280(29.0%)

08:00:03 宣言勝ち46 先手宣言勝ち23 後手宣言勝ち23 先手引き分け294 後手引き分け287

08:00:03 engine2

08:00:03 勝ち1730(39.1%) 先手勝ち925(20.9%) 後手勝ち805(18.2%)

08:00:03 宣言勝ち54 先手宣言勝ち31 後手宣言勝ち23 先手引き分け287 後手引き分け294

08:00:03 2689,581,1730

まとめ

HalfKP_vm 特徴量を用い、ランダムパラメーターから学習させ、棋力を測定した。 HalfKP_vm は、 HalfKP のうち、 6～9 筋に玉がいた場合、 4～1 筋に玉がいるものとして扱う特徴量である。 vm は Vertical Mirror を表す。

学習ロスと検証ロスは、ランダムパラメーターから学習させた HalfKP に比べて低かった。一方、 tanuki-wcsc29 から学習させた HalfKP 場合に比べると高かった。

指し手一致率は、ランダムパラメーターから学習させた HalfKP と同程度だった。一方、 tanuki-wcsc29 から学習させた HalfKP に比べると低かった。

平手局面の評価値は、ランダムパラメーターから学習させた HalfKP や、 tanuki-wcsc29 から学習させた HalfKP と同程度だった。

評価値の絶対値は、ランダムパラメーターから学習させた HalfKP や、 tanuki-wcsc29 から学習させた HalfKP と同程度だった。

棋力は、ランダムパラメーターから学習させた HalfKP よりランダムパラメーターから学習させた HalfKP_vm のほうが、 R67.5 ほど高かった。一方、 tanuki-wcsc29 から学習させた HalfKP よりランダムパラメーターから学習させた HalfKP_vm のほうが R147.8 ほど低かった。

学習ロスと検証ロスが低かったことから、 HalfKP より HalfKP_vm のほうが、学習しやすい傾向があると言える。

指し手一致率が HalfKP と HalfKP_vm とで同程度な点については、どのように解釈すべきか分からなかった。

HalfKP より HalfKP_vm のほうが強かった点については、 HalfKP_vm のほうが学習しやすい、 HalfKP_vm のほうが nps が高い、またはその双方の可能性がある。これについては、 HalfKP と HalfKP_vm の nps を測定するのが良いと思われる。

HalfKP_vm は、ポテンシャルを秘めている可能性がある。今後このポテンシャルを引き出せるかどうか、試していきたい。

HalfKP_vm は、野田の勘違いから生まれた特徴量である。 Stockfish NNUE では、 HalfKP_hm という特徴量が用いられている。 これは、HalfKP において、キングが 5～8 段目にいる場合、 4～1 段目にいるものとして、上下反転させるという特徴量である。 hm は Horizontal Mirror の略である。

野田はこれを見たとき、誤って、 5～8 筋にいる場合、 4～1 筋にいるものとして、左右反転させるのだと思ってしまった。これを将棋に応用したのが HalfKP_vm である。