tanuki- 2021-11-29 Weighted Loss 再実験
実験内容
- 勝敗項の教師信号を調整した状態で Weighted Loss の有無による変化を調べる。
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/無効 |
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 | 0.90 |
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
レーティング測定
07:01:24.028 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
07:01:24.028 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.weight_by_progress=0\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
07:01:24.028 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
07:01:24.028 対局数2000 先手勝ち821(51.9%) 後手勝ち762(48.1%) 引き分け417
07:01:24.028 engine1
07:01:24.028 勝ち812(51.3% R7.1 +-15.2) 先手勝ち416(26.3%) 後手勝ち396(25.0%)
07:01:24.028 宣言勝ち39 先手宣言勝ち16 後手宣言勝ち23 先手引き分け200 後手引き分け217
07:01:24.028 engine2
07:01:24.028 勝ち771(48.7%) 先手勝ち405(25.6%) 後手勝ち366(23.1%)
07:01:24.028 宣言勝ち16 先手宣言勝ち8 後手宣言勝ち8 先手引き分け217 後手引き分け200
07:01:24.028 812,417,771
まとめ
勝敗項の教師信号を調整した状態で Weighted Loss の有無による変化を調べた。
学習ロスと検証ロスは、 Weighted Loss を無効にしたほうが大きくなった。
指し手一致率は、 Weighted Loss を無効にしたほうが高くなった。ただし、有効の場合と比べ、学習終盤の揺れが大きかった。
平手局面の評価値は、 Weighted Loss を有効・無効にした場合で、ほとんど変わらなかった。ただし、有効の場合と比べ、無効の場合は、学習終盤の揺れが大きかった。
評価値の絶対値は、 Weighted Loss を有効・無効にした場合で、ほとんど変わらなかった。ただし、有効の場合と比べ、無効の場合は、学習終盤の揺れが大きかった。
棋力は、 Weighted Loss を有効・無効にした場合で、有意な差はなかった。
学習ロスト検証ロスが大きくなったのは、中終盤等、評価値の絶対値が大きく、勝勢・劣勢がはっきりしている局面の、勾配に占める割合が大きくなったためだと考えられる。この場合、ロスの計算式の各項の値が大きくなりやすくなる。
指し手一致率が高くなったのは、中終盤の評価が正確になったためだと思われる。一方、学習終盤の揺れが大きくなったのは、勾配のうち、中終盤の局面の学習データの割合が大きくなり、勾配の値が大きくなったためだと思われる。
平手局面の評価値が変わらなかったことより、学習が大きく失敗しているわけではないと考えられる。学習終盤の揺れが大きかったのは、指し手一致率と同じ理由だと考えられる。
評価値の絶対値については、 勝敗項の教師信号のほうが、 Weighted Loss にくらべ、評価値の絶対値に与える影響が大きいと考えられる。
棋力については、 Weighted Loss が棋力に与える影響はほとんどないと考えられる。
今後は Weighted Loss は無効化した状態で、実験を進めていきたい。