tanuki- 2021-12-18 学習時のリビジョン 再実験

tanuki- 2021-12-18 学習時のリビジョン 再実験

実験内容

• やねうら王の異なるリビジョンで学習を行い、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

青線は電竜戦 TSEC 1 以前のやねうら王、オレンジ線はやねうら王 Ver 7.0 Beta 4 相当。

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 7.00beta4 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.master\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 7.00beta4 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.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

対局数2000 先手勝ち910(55.1%) 後手勝ち743(44.9%) 引き分け347

engine1

勝ち718(43.4% R-37.8 +-15.3) 先手勝ち398(24.1%) 後手勝ち320(19.4%)

宣言勝ち53 先手宣言勝ち34 後手宣言勝ち19 先手引き分け170 後手引き分け177

engine2

勝ち935(56.6%) 先手勝ち512(31.0%) 後手勝ち423(25.6%)

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177 後手引き分け170

718,347,935

まとめ

やねうら王の異なるリビジョンで学習を行い、レーティングを測定した。

学習ロスと検証ロスは、電竜戦 TSEC 1 以前のやねうら王のほうが低くなった。

指し手一致率は、電竜戦 TSEC 1 以前のやねうら王のほうが高くなった。

平手局面の評価値は、大きな差はなかった。

評価値の絶対値は、電竜戦 TSEC 1 以前のやねうら王のほうが低くなった。

レーティングは、電竜戦 TSEC 1 以前のやねうら王のほうが R+37.8 ほど高かった。

上記の結果より、やねうら王の異なるリビジョンにおいて、学習の性能に差がある事が分かった。原因として、探索ルーチンの改良が考えられるが、具体的にどの改良が学習に悪影響を及ぼしているかは分からない。

今後は学習時は電竜戦 TSEC 1 以前のやねうら王を使っていきたい。