tanuki- 2022-06-27 nnue-pytorch halfkp_1024x2-8-32

tanuki- 2022-06-27 nnue-pytorch halfkp_1024x2-8-32

実験内容

  • nnue-pytorch を用いた学習で、 halfkp_1024x2-8-32 を用いて学習し、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

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_1024x2-8-32
学習手法 SGD ミニバッチ法
最適化手法 Ranger
学習率調整手法 StepLR step=75 gamma=0.3
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 640
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=640 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-2022-06-27 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2336(51.9%) 後手勝ち2169(48.1%) 引き分け495

engine1

勝ち1725(38.3% R-74.4 +-9.9) 先手勝ち915(20.3%) 後手勝ち810(18.0%)

宣言勝ち8 先手宣言勝ち3 後手宣言勝ち5 先手引き分け225 後手引き分け270

engine2

勝ち2780(61.7%) 先手勝ち1421(31.5%) 後手勝ち1359(30.2%)

宣言勝ち82 先手宣言勝ち54 後手宣言勝ち28 先手引き分け270 後手引き分け225

1725,495,2780

学習ロスは、 halfkp_256x2-32-32 と比べて下がった。

検証ロスは、 halfkp_256x2-32-32 と比べて、初めのうちは下がった。しかし、その後上昇し、学習率が下がった際にまた下がるを繰り返した。最終的には halfkp_256x2-32-32 より上がった。

また、学習ロスは下がり傾向だったが、検証ロスは途中から下がらなくなった。

レーティングは、対局相手と比べ、下がった。これは、 halfkp_256x2-32-32 と比べてだいぶ下がっている。

考察

学習ロスと検証ロスについては、過学習を起こしていると考えられる。レーティングの低下も、過学習が理由だと考えられる。

まとめ

nnue-pytorch を用いた学習で、 halfkp_1024x2-8-32 を用いて学習し、レーティングを測定した。

今回の実験では、過学習により、レーティングが halfkp_256x2-32-32 に比べて伸びなかった。

最適化手法と学習率調整手法について、実験してみたい。