tanuki- 2022-07-18 tanuki- 学習部 リグレッション調査 (2)

tanuki- 2022-07-18 tanuki- 学習部 リグレッション調査 (2)

実験内容

  • 前回の実験で、シャッフル時の qsearch をしていなかったため、 qsearch を行ったうえで、再度学習器にリグレッションがないかどうか調べる。

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
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

棋譜シャッフル

シャッフルルーチン tanuki-棋譜シャッフルルーチン
qsearch あり

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 … https://docs.google.com/document/d/17vqBF0o90k853sgU7TTMOOvkUr52x934hc9HAm_3tYs/edit?usp=sharing

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

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2178(53.7%) 後手勝ち1879(46.3%) 引き分け943

engine1

勝ち1888(46.5% R-19.5 +-9.6) 先手勝ち1010(24.9%) 後手勝ち878(21.6%)

宣言勝ち124 先手宣言勝ち59 後手宣言勝ち65 先手引き分け490 後手引き分け453

engine2

勝ち2169(53.5%) 先手勝ち1168(28.8%) 後手勝ち1001(24.7%)

宣言勝ち56 先手宣言勝ち27 後手宣言勝ち29 先手引き分け453 後手引き分け490

1888,943,2169

学習ロスと検証ロスは、ベースラインと比べてほとんど変わらなかった。

平手局面の評価値は、ベースラインと比べてほとんど変わらなかった。

評価値の絶対値は、ベースラインと比べてほとんど変わらなかった。

レーティングは、対局相手に対して、 R-19.5 程度低かった。

考察

学習ロス、検証ロス、評価値の絶対値より、前回の実験で学習がうまく行かなかったのは、シャッフル時の qsearch をし忘れていたのが原因だと分かった。

平手局面の評価値については、機械学習で大きな問題が起こっていないことを表している。

レーティングについては、やねうら王 V5.33 で学習させたほうが R20 程度強いことが過去の実験で分かっており、その結果と矛盾はないと思われる。

まとめ

前回の実験で、シャッフル時の qsearch をしていなかったため、 qsearch を行ったうえで、再度学習器にリグレッションがないかどうか調べた。結果、シャッフル時に qsearch を行わなかったことが、リグレッションの原因だったことが判明した。今後は、設定ミスを防ぐため、シャッフル時に qsearch を行うことをデフォルトの設定に組み込んで、実験を進めていきたい。