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。