tanuki- 2022-01-13 棋譜生成時の引き分けの評価値
実験内容
- 棋譜生成時の引き分けの評価値の違いにより、レーティングに変化があるか測定する。
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 2020 年~ 2021 年の棋譜のうち、レーティング 3900 以上同士の対局の 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 ランダムムーブなし |
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 | 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-wcsc29.halfkp_vm_256x2-32-32.suisho-wcsoc2020.depth=9.GeneratorRandomMove=false.startpos |
思考時間 | 持ち時間 900 秒 + 1 手 5 秒加算 |
対局数 | 5000 |
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
棋譜生成
引き分けの評価値を -2 に設定した場合
998290486 / 1000000000
elapsed time = 48:00:00
current date time = 2022-01-01 23:38:10
finish date time = 2022-01-01 23:43:04
speed = 5796.33 (data/sec)
max speed = 5819.16 (data/sec)
Number of plays per record=118
引き分けの評価値を -100 に設定した場合
991171960 / 1000000000
elapsed time = 49:00:00
current date time = 2022-01-11 08:04:13
finish date time = 2022-01-11 08:30:13
speed = 5655.74 (data/sec)
max speed = 5655.74 (data/sec)
Number of plays per record=118
機械学習
レーティング測定
対局数=5000 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 7.00 64ZEN2 TOURNAMENT 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.GeneratorRandomMove=false.startpos.DrawValue=-100\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 7.00 64ZEN2 TOURNAMENT 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.GeneratorRandomMove=false.startpos\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5000 先手勝ち2171(53.2%) 後手勝ち1907(46.8%) 引き分け922
engine1
勝ち2042(50.1% R0.4 +-9.6) 先手勝ち1104(27.1%) 後手勝ち938(23.0%)
宣言勝ち29 先手宣言勝ち14 後手宣言勝ち15 先手引き分け493 後手引き分け429
engine2
勝ち2036(49.9%) 先手勝ち1067(26.2%) 後手勝ち969(23.8%)
宣言勝ち186 先手宣言勝ち101 後手宣言勝ち85 先手引き分け429 後手引き分け493
2042,922,2036
まとめ
棋譜生成時の引き分けの評価値の違いにより、レーティングに変化があるか測定した。
学習ロスは、引き分けの値を -2 に設定した場合とほとんど変わらなかった。
検証ロスは、引き分けの値を -2 に設定した場合より高くなった。
指し手一致率は、引き分けの値を -2 に設定した場合よりやや高くなった。また、計測のブレが小さかった。
平手局面の評価値は、引き分けの値を -2 に設定した場合と変わらなかった。
評価値の絶対値は、引き分けの値を -2 に設定した場合と変わらなかった。
レーティングは、引き分けの値を -2 に設定した場合と有意な差はなかった。
学習ロスが変わらず、検証ロスが上がっている点については、過学習が起きている可能性を表しているものと思われる。原因は不明である。
最終的な指し手一致率については、計測誤差の可能性がある。計測のブレの小ささの原因は不明である。
平手局面の評価値については、学習が大きく失敗していない事を表しているものと思われる。
評価値の絶対値については、教師データに含まれる評価値に、大きな違いがないことを表しているものと思われる。
レーティングについては、引き分けの評価値の値は、少なくとも -2 と -100 の間では、大きな違いがないことを表している。
引き分けの評価値を -100 に設定する明示的な理由は見つからなかった。今後の棋譜生成においては、 -2 を使用していきたい。