tanuki- 2022-05-08 学習時のリビジョン 再実験2
実験内容
- やねうら王 V7.10 相当で学習を行い、レーティングを測定する。
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=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_256x2-32-32 |
| 学習手法 | SGD ミニバッチ法 |
| USI_Hash | 1024 |
| Threads | 127 |
| loop | 100 |
| batchsize | 1000000 |
| lambda | 0.5 |
| eta | eta1=1e-8 eta2=1.0 eta1_epoch=100 |
| 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 | 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 | tanuki-wcsc29 |
| 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 | 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=0 最大手数=320 開始局面ファイル=C:\Jenkins\workspace\TanukiColiseum.2022-05-02\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.2022-05-02\engine1\source\YaneuraOu-by-gcc.exe 評価関数フォルダパス=D:\hnoda\shogi\eval\suisho5.halfkp_256x2-32-32.80G.master\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 FVScale1=16
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.2022-05-02\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 FVScale2=16
対局数2000 先手勝ち948(56.9%) 後手勝ち717(43.1%) 引き分け335
engine1
勝ち684(41.1% R-52.0 +-15.4) 先手勝ち376(22.6%) 後手勝ち308(18.5%)
宣言勝ち57 先手宣言勝ち25 後手宣言勝ち32 先手引き分け213 後手引き分け122
engine2
勝ち981(58.9%) 先手勝ち572(34.4%) 後手勝ち409(24.6%)
宣言勝ち21 先手宣言勝ち7 後手宣言勝ち14 先手引き分け122 後手引き分け213
684,335,981
まとめ
やねうら王 V7.10 相当で学習を行い、レーティングを測定した。
学習ロスと検証ロスは、やねうら王 V7.10 相当のほうが高かった。
平手局面の評価値は、やねうら王 V7.10 相当のほうがやや高かった。
評価値の絶対値は、やねうら王 V7.10 相当のほうが低かった。
レーティングは、 やねうら王 V7.10 相当のほうが有意に低かった。
学習ロスと検証ロスについては、やねうら王 V7.10 相当で、それ以前のものと比べ、学習がうまく行われていな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、やねうら王 V7.10 相当のほうがやや高いものの、致命的な問題は起きていないという事を表しているのだと思われる。
評価値の絶対値については、学習ロスと検証ロスと同様、それ以前のものと比べ、学習がうまく行われていないという事を表しているのだと思われる。
レーティングについては、やねうら王 V7.10 相当の学習部に、それ以前のものと比べ、何らかのリグレッションが起きているという事を表しているのだと思われる。
https://github.com/yaneurao/YaneuraOu/commit/8b293ab51a55da7cbc356679cf21774b34f7bc8a
では、学習部の問題は修正されなかったと判断してよいと思われる。引き続き学習を行う際は、 1 年以上前の、リグレッションが起きていないバージョンを使用したい。
