tanuki- 2022-06-18 nnue-pytorch 勝敗項の教師信号

tanuki- 2022-06-18 nnue-pytorch 勝敗項の教師信号

実験内容

• nnue-pytorch を用いた学習で、 勝敗項の教師信号を変更し、レーティングの変化を調べる。

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	0.8

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-2022-06-16 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2322(55.1%) 後手勝ち1892(44.9%) 引き分け786

engine1

勝ち1475(35.0% R-89.8 +-10.0) 先手勝ち820(19.5%) 後手勝ち655(15.5%)

宣言勝ち30 先手宣言勝ち14 後手宣言勝ち16 先手引き分け444 後手引き分け342

engine2

勝ち2739(65.0%) 先手勝ち1502(35.6%) 後手勝ち1237(29.4%)

宣言勝ち60 先手宣言勝ち31 後手宣言勝ち29 先手引き分け342 後手引き分け444

1475,786,2739

まとめ

nnue-pytorch を用いた学習で、 勝敗項の教師信号を変更し、レーティングの変化を調べた。

学習ロスと検証ロスは、 t=1.0 の場合と比べて下がった

レーティングは、比較対象と比べて R-89.8 程度低かった。

学習ロスと検証ロスについては、 t=0.8 とすることにより、教師信号の値が 0.5 に近づく。これにより、ロスの計算式の通りに下がるのだと考えられる。

レーティングについては、 nnue-pytorch を用いた学習においては、 t の値を変更しないほうが良い、または変更するとしても、変更量を抑えたほうが良いという事なのだと思われる。

しばらくは、元の実験パラメーターの t=1.0 のまま実験を進めていきたい。