tanuki- 2022-07-21 tanuki- 学習部 リビジョン変更 (2)

tanuki- 2022-07-21 tanuki- 学習部 リビジョン変更 (2)

実験内容

• tanuki- の学習部を、やねうら王 V5.33 に変更し、勝敗項の教師信号を 1.0 に設定し、評価関数を学習し、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
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
やねうら王バージョン	V5.33 相当 ただし、独自改良あり

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

V5.33 … https://docs.google.com/document/d/1Lup-hHFH2_QWqEfe56obJ6OEwj15P-C0VO6pWV9-vgo/edit?usp=sharing

tanuki- + V5.33 … 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\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2243(54.1%) 後手勝ち1904(45.9%) 引き分け853

engine1

勝ち2033(49.0% R-5.6 +-9.6) 先手勝ち1098(26.5%) 後手勝ち935(22.5%)

宣言勝ち150 先手宣言勝ち86 後手宣言勝ち64 先手引き分け432 後手引き分け421

engine2

勝ち2114(51.0%) 先手勝ち1145(27.6%) 後手勝ち969(23.4%)

宣言勝ち109 先手宣言勝ち60 後手宣言勝ち49 先手引き分け421 後手引き分け432

2033,853,2114

学習ロスと検証ロスは、 V5.33 と比べてやや大きかった。

平手局面の評価値は、V5.33 と比べてほとんど変わらなかった。

評価値の絶対値は、V5.33 と比べて小さかった。

レーティングは、V5.33 と比べて R-5.6 程度低かったが、有意差はなかった。

考察

学習ロスと検証ロスが大きいのは、 V5.33 と比較して、一部のコードが異なっているためだと思われる。

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と思われる。

評価値の絶対値が小さいのは、 V5.33 と比較して、一部のコードが異なっているためだと思われる。

レーティングについては、勝敗項の教師信号に 1.0 を設定したことにより、 V5.33 と有意差のない範囲までレーティングが伸びたのだと思われる。

まとめ

tanuki- の学習部を、やねうら王 V5.33 に変更し、勝敗項の教師信号を 1.0 に設定し、評価関数を学習し、レーティングを測定した。実験の結果、やねうら王 V5.33 で学習させたものと、有意差のない評価関数を学習することができた。学習部のリビジョンに関する調査は、これにて一区切りとしたい。