tanuki- 2021-11-29 Weighted Loss 再実験

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。