tanuki- 2022-01-18 棋譜生成時の評価関数

tanuki- 2022-01-18 棋譜生成時の評価関数

実験内容

• 棋譜生成時の評価関数の違いにより、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5
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

水匠2の場合

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

水匠5の場合

971608612 / 1000000000

elapsed time = 32:00:00

current date time = 2022-01-17 02:17:57

finish date time = 2022-01-17 03:13:56

speed = 8451.37 (data/sec)

max speed = 8474.66 (data/sec)

Number of plays per record=120

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\suisho5\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2216(54.1%) 後手勝ち1877(45.9%) 引き分け907

engine1

勝ち2031(49.6% R-2.2 +-9.6) 先手勝ち1096(26.8%) 後手勝ち935(22.8%)

宣言勝ち32 先手宣言勝ち12 後手宣言勝ち20 先手引き分け443 後手引き分け464

engine2

勝ち2062(50.4%) 先手勝ち1120(27.4%) 後手勝ち942(23.0%)

宣言勝ち211 先手宣言勝ち113 後手宣言勝ち98 先手引き分け464 後手引き分け443

2031,907,2062

まとめ

棋譜生成時の評価関数の違いにより、レーティングに変化があるか測定した。評価関数として、水匠2と水匠5を比較した。

学習ロスと検証ロスは、水匠 5 のほうが低かった。

指し手一致率は、水匠 5 のほうが低かった。

平手局面の評価値は、水匠 5 のほうが高かった。

評価値の絶対値は、水匠 5 のほうが高かった。

レーティングは、有意差が無かった。

学習ロスト検証ロスについては、水匠 5 のほうが評価値の絶対値が高いことが原因の可能性がある。これについては、学習データに付与されている評価値を調べるのが良いと思われる。

指し手一致率については、本データのみからでは原因を特定するのは難しいと思われる。

平手局面の評価値については、水匠 5 のほうが評価値の絶対値が高いことが原因の可能性がある。これについても、学習ーで他の評価値を調べるのが良いと思われる。

評価値の絶対値についても同様である。

レーティングについては、水匠 5 の開発者、杉村氏が FV_SCALE=24 での使用を推奨している。最適値でなかったために水匠 2 に比べて伸びなかった可能性がある。 FV_SCALE=24 で棋譜を生成し、比較したい。