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。
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。