tanuki- 2022-04-28 halfkp_1024x2-8-32
実験内容
- ネットワーク構成を halfkp_1024x2-8-32 に変更した場合に、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 × 8 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_1024x2-8-32 |
学習手法 | SGD ミニバッチ法 |
USI_Hash | 1024 |
Threads | 32 |
loop | 100 |
batchsize | 1000000 |
lambda | 0.5 |
eta | eta1=1e-8 eta2=1.0 eta1_epoch=1000 |
newbob_decay | 0.5 |
nn_batch_size | 1000 |
eval_save_interval | 500000000 |
loss_output_interval | 1000000 |
mirror_percentage | 50 |
eval_limit | 32000 |
weight_by_progress | 無効 |
次元下げ | K・P・相対KP |
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 | ランダム |
勝敗項の教師信号 | 0.80 |
レーティング測定
対局相手 | |
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 7.10 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\halfkp_1024x2-8-32\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 7.10 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.halfkp_256x2-32-32.80G\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2306(53.5%) 後手勝ち2003(46.5%) 引き分け691
engine1
勝ち2127(49.4% R-3.8 +-9.6) 先手勝ち1151(26.7%) 後手勝ち976(22.7%)
宣言勝ち5 先手宣言勝ち2 後手宣言勝ち3 先手引き分け321 後手引き分け370
engine2
勝ち2182(50.6%) 先手勝ち1155(26.8%) 後手勝ち1027(23.8%)
宣言勝ち115 先手宣言勝ち54 後手宣言勝ち61 先手引き分け370 後手引き分け321
2127,691,2182
まとめ
ネットワーク構成を halfkp_1024x2-8-32 に変更した場合に、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、 halfkp_1024x2-8-32 のほうが小さかった。
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、 halfkp_1024x2-8-32 が、より表現力が高いという事を表しているのだと思われる。
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、表現力は上がったものの、 nps は下がっており、トータルでみて同じくらいになってしまったのだと思われる。
TODO(nodchip): nps を計測する。
ランダムパラメーターからの学習で、手元の最も強い評価関数と同等の強さの物を作れたのは良いことだと思われる。次は強化学習を行いたい。