tanuki- 2022-03-30 学習データ量 再実験
実験内容
- 学習データ量を増やした場合に、レーティングに変化があるかどうか調べた。
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=16 |
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・4 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 | eta1=1e-8 eta2=1.0 eta1_epoch=100M |
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 に水匠 5 で生成した学習データを学習させたもの |
思考時間 | 持ち時間 300 秒 + 1 手 2 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
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\suisho5.4G\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)=300000 秒読み時間(ms)=0 加算時間(ms)=2000 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\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)=300000 秒読み時間(ms)=0 加算時間(ms)=2000 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2131(53.8%) 後手勝ち1832(46.2%) 引き分け1037
engine1
勝ち1999(50.4% R2.4 +-9.6) 先手勝ち1081(27.3%) 後手勝ち918(23.2%)
宣言勝ち136 先手宣言勝ち72 後手宣言勝ち64 先手引き分け505 後手引き分け532
engine2
勝ち1964(49.6%) 先手勝ち1050(26.5%) 後手勝ち914(23.1%)
宣言勝ち76 先手宣言勝ち40 後手宣言勝ち36 先手引き分け532 後手引き分け505
1999,1037,1964
まとめ
学習データ量を増やした場合に、レーティングに変化があるかどうか調べた。
学習ロスと検証ロスは、 大きな差はなかった。
学習の収束までのデータ量は、学習データを増やしたほうが多かった。
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、 大きな差はなかった。
レーティングは、有意な差はなかった。
学習ロスと検証ロスについては、同じ学習データパラメーターを使用しているため、大きな差がなかったのだと思われる。
学習の収束までのデータ量は、学習データが多くなったことにより、学習データの多様性が上がり、収束が遅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起きていない事を表している。
評価値の絶対値については、同じ学習データパラメーターを使用しているため、大きな差がなかったのだと思われる。
念のため、 80 億局面でも学習させてみたい。