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
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。