nodchipのコンピューター将棋ブログ

コンピューター将棋ソフト「tanuki-」シリーズの実験結果を掲載しています。

tanuki- 2021-11-27 勝敗項の教師信号 再実験2

tanuki- 2021-11-27 勝敗項の教師信号 再実験2

実験内容

  • 勝敗項の教師信号は、どの程度まで小さくしても棋力が落ちないか調べる。

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 tanuki-wcsc29
勝敗項の教師信号 0.9

レーティング測定

対局相手 tanuki-denryu2
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

機械学習ルーチンのログの最後の 1 セクション

30:11:52.666 PROGRESS: Sat Nov 27 06:07:19 2021, 5999000117 sfens, iteration 5999, eta = 0.00195312, hirate eval = 66 , test_cross_entropy_eval = 0.217528 , test_cross_entropy_win = 0.248142 , test_entropy_eval = 0.204269 , test_entropy_win = 0.143142 , test_cross_entropy = 0.232835 , test_entropy = 0.203173 , norm = 9.06944e+08 , move accuracy = 36.0339% , learn_cross_entropy_eval = 0.201616 , learn_cross_entropy_win = 0.230689 , learn_entropy_eval = 0.189273 , learn_entropy_win = 0.132944 , learn_cross_entropy = 0.216152 , learn_entropy = 0.188628

30:12:10.556 INFO: observed 64540 (out of 69660) features

30:12:10.556 INFO: (min, max) of pre-activations = -18.0648, 7.06938 (limit = 258.008)

30:12:10.556 INFO: largest min activation = 0, smallest max activation = 1

30:12:10.556 INFO: largest min activation = 0.93656, smallest max activation = 0

30:12:10.556 INFO: largest min activation = 0.313061, smallest max activation = 0

レーティング測定

06:48:43.194 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

06:48:43.194 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.halfkp_vm_256x2-32-32.suisho-wcsoc2020.winning_percentage_for_win=0.9\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 BookEvalBlackLimit=0 BookEvalWhiteLimit=-140

06:48:43.194 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\tanuki-wcsc29.halfkp_vm_256x2-32-32.suisho-wcsoc2020\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 BookEvalBlackLimit=0 BookEvalWhiteLimit=-140

06:48:43.194 対局数2000 先手勝ち864(53.3%) 後手勝ち756(46.7%) 引き分け380

06:48:43.194 engine1

06:48:43.194 勝ち816(50.4% R2.1 +-15.2) 先手勝ち426(26.3%) 後手勝ち390(24.1%)

06:48:43.194 宣言勝ち44 先手宣言勝ち22 後手宣言勝ち22 先手引き分け171 後手引き分け209

06:48:43.194 engine2

06:48:43.194 勝ち804(49.6%) 先手勝ち438(27.0%) 後手勝ち366(22.6%)

06:48:43.194 宣言勝ち24 先手宣言勝ち14 後手宣言勝ち10 先手引き分け209 後手引き分け171

06:48:43.194 816,380,804

まとめ

勝敗項の教師信号は、どの程度まで小さくしても棋力が落ちないか調べた。事前実験として、勝敗項の教師信号が 0.9 の場合について再度調べた。

学習ロスおよび検証ロスは、勝敗項の教師信号が 0.99 の場合に比べて上がった。

指し手一致率は、勝敗項の教師信号が 0.99 の場合に比べて下がった。

平手局面の評価値は、勝敗項の教師信号が 0.9 の場合と同程度だった。

評価値の絶対値は、勝敗項の教師信号が 0.99 の場合に比べて下がった。

ネットワークパラメーターは、隠れ層 2 層の出力、隠れ層 3 層の出力で、常に 0.0 付近や 1.0 付近の値を出力しているニューロンがあった。

棋力は、勝敗項の教師信号が 0.99 の場合と同程度だった。

学習ロスや検証ロスが上がったのは、エントロピーの計算式中の t の値が 0.5 付近に近づいたためだと考えられる。

指し手一致率が下がったのは、中終盤での評価値の値域が小さくなり、評価関数の評価の正確性が下がったためという可能性が考えられる。これを確かめるためには、進捗度毎の指し手一致率を調べればよい。仮にこの仮説が正しかった場合、勝率が変わっていない事から、中終盤の評価関数の評価の正確性より、序中盤の評価の正確性のほうが重要という事を示唆している。

評価値の絶対値が下がったのは、教師信号が小さくなったためだと考えらえる。

ネットワークの一部が 0.0 付近や 1.0 付近の値を出力しているのは、極端に大きい、または小さい評価値を出力するために働いていたニューロンが、活動をやめたためだと考えれる。にもかかわらず棋力が変わらないという事は、勝敗にほとんど関係ないニューロンが複数存在していたことを示唆している。これらのニューロンを他の部分に回すことにより、評価関数の表現能力を最大限生かすことができる可能性がある。

今後、教師信号の勝敗項を、どの程度まで下げても棋力が変わらないのか、調べていきたい。