tanuki- 2022-06-14 nnue-pytorch lambda

tanuki- 2022-06-14 nnue-pytorch lambda

実験内容

• nnue-pytorch を用いた学習で、 lambda の設定がレーティングに与える影響を調べる。

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

シャッフル条件

生成ルーチン	tanuki-シャッフルルーチン
qsearch()	あり
置換表	無効

機械学習

機械学習ルーチン	nnue-pytorch + やねうら王 https://github.com/nodchip/nnue-pytorch/tree/shogi.2022-05-23
学習モデル	halfkp_256x2-32-32
学習手法	SGD ミニバッチ法 Ranger
batch-size	16384
threads	2
num-workers	2
gpus	1
features	HalfKP
max_epoch	300
scaling (kPonanzaConstant)	361
lambda	0.5
勝敗項の教師信号	1.0

レーティング測定

対局相手	tanuki- 2022-04-01 halfkp_256x2-32-32 再実験 https://docs.google.com/document/d/1U2dtYgksApn9GYIUJEUtceE0Yc-0dfmx6kA44FopDXc/edit
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.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\tanuki-.nnue-pytorch-2022-06-13 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5000 先手勝ち2265(52.7%) 後手勝ち2035(47.3%) 引き分け700

engine1

勝ち1879(43.7% R-37.8 +-9.7) 先手勝ち1003(23.3%) 後手勝ち876(20.4%)

宣言勝ち11 先手宣言勝ち4 後手宣言勝ち7 先手引き分け337 後手引き分け363

engine2

勝ち2421(56.3%) 先手勝ち1262(29.3%) 後手勝ち1159(27.0%)

宣言勝ち103 先手宣言勝ち53 後手宣言勝ち50 先手引き分け363 後手引き分け337

1879,700,2421

まとめ

nnue-pytorch を用いた学習で、 lambda の設定がレーティングに与える影響を調べた。

学習ロスと検証ロスは、 lambda=1.0 の場合と比べて上がった。

レーティングは、比較対象と比べて R-37.8 程度低かった。

学習ロスと検証ロスについては、ロスの計算式と矛盾はない。

レーティングについては、 lambda の値を調整することで、レーティングを向上させることができることを示唆している。

しばらくは lambda=0.5 というパラメーターで実験を進めていきたい。また、どこかのタイミングで、最適な lambda の値をグリッドサーチしたい。