tanuki- 2022-04-01 halfkp_256x2-32-32 再実験

tanuki- 2022-04-01 halfkp_256x2-32-32 再実験

実験内容

• ネットワーク構成を halfkp_256x2-32-32 (標準 NNUE) に戻し、レーティングに変化があるかどうか調べる。

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=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 × 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_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	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

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 7.00 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.halfkp_256x2-32-32\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\suisho5.4G\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

対局数2000 先手勝ち844(53.5%) 後手勝ち735(46.5%) 引き分け421

engine1

勝ち901(57.1% R38.9 +-15.3) 先手勝ち482(30.5%) 後手勝ち419(26.5%)

宣言勝ち42 先手宣言勝ち21 後手宣言勝ち21 先手引き分け201 後手引き分け220

engine2

勝ち678(42.9%) 先手勝ち362(22.9%) 後手勝ち316(20.0%)

宣言勝ち16 先手宣言勝ち12 後手宣言勝ち4 先手引き分け220 後手引き分け201

901,421,678

まとめ

ネットワーク構成を halfkp_256x2-32-32 (標準 NNUE) に戻し、レーティングに変化があるかどうか調べた。

学習ロスは、 halfkp_256x2-32-32 のほうが大きかった。

検証ロスは、 halfkp_256x2-32-32 のほうが小さかった。

学習の収束までのデータ量は、 halfkp_256x2-32-32 のほうが長かった。

平手局面の評価値は、 halfkp_256x2-32-32 のほうがやや小さかった。

評価値の絶対値は、 大きな差はなかった。

レーティングは、 halfkp_256x2-32-32 のほうが有意に高かった。

学習ロスと検証ロスについては、 halfkp_256x2-32-32 のほうが halfkp_vm_256x2-32-32 にくらべて過学習しにくいという事を表しているのだと思われる。

学習の収束までのデータ量は、理由が分からない。

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。

レーティングについては、学習ロスが低くなったことが影響している可能性がある。

前回 halfkp_256x2-32-32 と halfkp_vm_256x2-32-32 を比較したときは、大きな差はなかった。前回の実験以降、様々なパラメーターを変更してきた。それらの中に halfkp_256x2-32-32 と相乗効果の高いパラメーターがあったのだと思われる。