tanuki- 2022-07-04 nnue-pytorch RAdam
実験内容
- nnue-pytorch を用いた学習で、 Optimizer を RAdam に変更して学習させた場合の、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 |
最適化手法 | RAdam |
学習率調整手法 | StepLR step=1 gamma=0.992 |
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-2022-07-02 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2390(54.3%) 後手勝ち2009(45.7%) 引き分け601
engine1
勝ち1802(41.0% R-55.7 +-9.8) 先手勝ち995(22.6%) 後手勝ち807(18.3%)
宣言勝ち18 先手宣言勝ち9 後手宣言勝ち9 先手引き分け303 後手引き分け298
engine2
勝ち2597(59.0%) 先手勝ち1395(31.7%) 後手勝ち1202(27.3%)
宣言勝ち91 先手宣言勝ち48 後手宣言勝ち43 先手引き分け298 後手引き分け303
1802,601,2597
学習ロスと検証ロスは、 Ranger を使用した場合と比べて、大きかった。また、学習ロスと検証ロスの差が大きかった。
レーティングは、比較対象の評価関数と比べて、 R-55.7 低かった。 これは Ranger と比べ、 R-32.7程度低かった。
考察
学習ロスと検証ロスについては、今回の学習パラメーターでは、 Ranger に比べて学習がうまく行えていないという事を表していると思われる。学習率等の調整で改善する可能性はある。しかし、学習率等の調整を行うのであれば、 Ranger を使って行うのが妥当だと思われる。
また、学習ロスト検証ロスの差が大きい点については、学習データに過学習していることを表している。
レーティングについては、ロスが Ranger ほど下がらなかったことと過学習により、 Ranger 程伸びなかったのだと思われる。
まとめ
nnue-pytorch を用いた学習で、 Optimizer を RAdam に変更して学習させた場合の、レーティングの変化を調べた。結果、 Ranger に比べてレーティングが伸びなかった。
今後、学習率等の学習パラメーターの調整を行いたいと思う。