tanuki- 2022-01-23 棋譜生成時の FV_SCALE

tanuki- 2022-01-23 棋譜生成時の FV_SCALE

実験内容

  • 棋譜生成時の FV_SCALE 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 FV_SCALE=24
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

FV_SCALE=24 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

FV_SCALE=16 の場合

980828157 / 1000000000

elapsed time = 40:00:00

current date time = 2022-01-22 06:41:28

finish date time = 2022-01-22 07:28:11

speed = 6838.61 (data/sec)

max speed = 6842.35 (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.FV_SCALE=24\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2221(53.2%) 後手勝ち1952(46.8%) 引き分け827

engine1

勝ち1985(47.6% R-14.1 +-9.6) 先手勝ち1052(25.2%) 後手勝ち933(22.4%)

宣言勝ち18 先手宣言勝ち8 後手宣言勝ち10 先手引き分け400 後手引き分け427

engine2

勝ち2188(52.4%) 先手勝ち1169(28.0%) 後手勝ち1019(24.4%)

宣言勝ち346 先手宣言勝ち197 後手宣言勝ち149 先手引き分け427 後手引き分け400

1985,827,2188

まとめ

棋譜生成時の FV_SCALE の違いにより、レーティングに変化があるか測定した。

学習ロスと検証ロスは、 FV_SCALE=24 のほうが高かった。

指し手一致率についても、 FV_SCALE=24 のほうが高かった。

平手局面の評価値は、 FV_SCALE=24 のほうが低かった。

評価値の絶対値は、 FV_SCALE=24 のほうが低かった。

レーティングは、 tanuki-wcsc29.halfkp_vm_256x2-32-32.suisho-wcsoc2020.depth=9.GeneratorRandomMove=false.startpos と比べて、優位に低かった。

学習ロスと検証ロスについては、教師データの評価値の絶対値が小さくなったのが原因だと思われる。

指し手一致率については、学習データに序中盤の局面が多く含まれていたためだと思われる。

平手局面の評価値については、教師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。

評価値の絶対値についても、教師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、上記の結果だけからは原因が説明できなかった。

水匠 5 を学習データの生成に用いる場合は、 FV_SCALE=16 を使用するのが良さそうである。