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- 2021-12-16 棋譜生成時の探索深さ 再実験

tanuki- 2021-12-16 棋譜生成時の探索深さ 再実験

実験内容

  • 棋譜生成時の探索深さを 9 に設定して棋譜を生成し、学習を行い、レーティングを測定する。

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 9 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 20 億局面 × 1 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 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 0.80

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

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

思考エンジン1 name=YaneuraOu NNUE 7.00beta3 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.depth=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

思考エンジン2 name=YaneuraOu NNUE 7.00beta3 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

対局数2000 先手勝ち902(53.8%) 後手勝ち774(46.2%) 引き分け324

engine1

勝ち875(52.2% R12.9 +-15.2) 先手勝ち464(27.7%) 後手勝ち411(24.5%)

宣言勝ち98 先手宣言勝ち45 後手宣言勝ち53 先手引き分け149 後手引き分け175

engine2

勝ち801(47.8%) 先手勝ち438(26.1%) 後手勝ち363(21.7%)

宣言勝ち8 先手宣言勝ち7 後手宣言勝ち1 先手引き分け175 後手引き分け149

875,324,801

まとめ

棋譜生成時の探索深さを 9 に設定して棋譜を生成し、学習を行い、レーティングを測定した。

学習ロスと検証ロスは、深さ 24 に対して高くなった。

指し手一致率は、深さ 24 に対して高くなった。

平手局面の評価値は、深さ 24 とほぼ同じだった。

評価値の絶対値は、深さ 24 に対して低くなった。

レーティングは tanuki-denryu2 よりやや高くなったが、有意差はなかった。

学習ロスと検証ロスについては、探索深さが浅くなり、学習データの評価値の絶対値が小さくなり、エントロピーの値が低くなったためだと思われる。

指し手一致率については、探索深さが浅くなり、深さ 1 の探索による結果に近くなったためだと思われる。

平手局面の評価値については、学習に大きな問題が無いことを示していると考えられる。

評価値の絶対値については、探索深さが浅くなり、学習データの評価値の絶対値が小さくなったためだと思われる。

レーティングについては、探索深さ 9 と 24 で、大きな差がない、ないしは 9 のほうがやや強くなることが分かった。

棋譜生成の時間とレーティングのバランスを考えると、今後は探索深さ 9 で学習データを生成していくのが良いと思われる。