tanuki- 2022-07-16 tanuki- 学習部 リグレッション調査

tanuki- 2022-07-16 tanuki- 学習部 リグレッション調査

実験内容

  • 前回の実験結果に不審な点があったため、 tanuki- 学習部にリグレッションがないか確認する。
  • 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 1. 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 2. s-book_black
    開始局面後のランダムムーブ 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 1.0・0.8
    やねうら王バージョン V5.32 ~ V5.33 相当

    レーティング測定

    対局相手 https://docs.google.com/document/d/1Lup-hHFH2_QWqEfe56obJ6OEwj15P-C0VO6pWV9-vgo/edit?usp=sharing やねうら王 V5.33 で作成した評価関数
    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

    suisho5.halfkp_256x2-32-32.preqsearch.evaluate

    suisho5.halfkp_256x2-32-32.retry.winning_percentage_for_win=0.80

    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-wcsc29-2019-05-06.suisho5.winning_percentage_for_win=0.80\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\regression.v5.33\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=20

    対局数5000 先手勝ち2343(54.0%) 後手勝ち1999(46.0%) 引き分け658

    engine1

    勝ち1295(29.8% R-127.1 +-10.3) 先手勝ち731(16.8%) 後手勝ち564(13.0%)

    宣言勝ち54 先手宣言勝ち24 後手宣言勝ち30 先手引き分け335 後手引き分け323

    engine2

    勝ち3047(70.2%) 先手勝ち1612(37.1%) 後手勝ち1435(33.0%)

    宣言勝ち41 先手宣言勝ち23 後手宣言勝ち18 先手引き分け323 後手引き分け335

    1295,658,3047

    学習ロスと検証ロスは、前回と比べ、明らかに大きかった。

    平手局面の評価値は、前回と比べ、ほとんど変わらなかった。

    評価値の絶対値は、前回と比べ、小さかった。

    レーティングは、ベースラインとした評価関数と比べて、 R-127.1 程度低かった。

    考察

    学習ロスと検証ロスについては、シャッフルルーチンまたは学習ルーチンのいずれかにリグレッションがあったことを示していると思われる。

    平手局面の評価値については、今回のリグレッションが、平手局面の評価値に大きな影響を与えるものではないということを表している。

    評価値の絶対値については、今回のリグレッションにより下がっているのだと思われる。

    レーティングについては、リグレッションにより下がっているのだと思われる。

    まとめ

    前回の実験結果に不審な点があったため、 tanuki- 学習部にリグレッションがないか確認した。

    実験結果より、 tanuki- シャッフルルーチン、または学習ルーチンのいずれかに、リグレッションがあることが分かった。

    シャッフルルーチンにいくつか軽微な変更を加えたが、それらがリグレッションを引き起こしている可能性が高い。変更を revert し、再度追試を行いたい。