tanuki- 2022-07-26 やねうら王学習部リグレッション調査 再追試

tanuki- 2022-07-26 やねうら王学習部リグレッション調査 再追試

実験内容

  • やねうら王最新版の qsearch() 内の move count に関する枝刈りを無効化し、評価関数を学習し、 V5.33 で学習したものと比較する。

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

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 なし

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 64
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 バージョンのデフォルトに依存する
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

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

V7.61 … やねうら王 V7.61 で学習したもの

V5.33 … やねうら王 V5.33 で学習したもの

V7.61 + move count … 本実験で学習したもの

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\Branch_V7.61_2022-07-22\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2263(52.6%) 後手勝ち2043(47.4%) 引き分け694

engine1

勝ち1875(43.5% R-38.8 +-9.7) 先手勝ち1000(23.2%) 後手勝ち875(20.3%)

宣言勝ち110 先手宣言勝ち58 後手宣言勝ち52 先手引き分け331 後手引き分け363

engine2

勝ち2431(56.5%) 先手勝ち1263(29.3%) 後手勝ち1168(27.1%)

宣言勝ち45 先手宣言勝ち24 後手宣言勝ち21 先手引き分け363 後手引き分け331

1875,694,2431

学習ロスと検証ロスは、 V5.33 より高く、 V7.61 より低かった。

平手局面の評価値は、 V5.33 および V7.61 より低かった。

評価値の絶対値は、 V5.33 より低く、 V7.61 と同じくらいだった。

レーティングは、 v5.33 と比べ、 R-38.8 低かった。

考察

学習ロスと検証ロスについては、 qsearch() 内の move count に関する枝刈りを無効化することにより、ロスが若干差がったのだと思われる。しかし、それ以外にもリグレッションの原因があると思われる。

平手局面については、過去に学習したものにくらべて低いものの、学習で大きな問題は起こっていないと思われる。

評価値の絶対値については、 move count の枝刈りは、評価値の絶対値には影響しないということを表している。

レーティングについては、 move count の枝刈りの無効化は、レーティング向上には寄与しないと考えてよいと思われる。

まとめ

やねうら王最新版の qsearch() 内の move count に関する枝刈りを無効化し、評価関数を学習し、 V5.33 で学習したものと比較した。結果、レーティングは V5.33 で学習した評価関数に届かなかった。最新版やねうら王で、 V5.33 のような学習を行うためには、 qsearch() 内の move count に関する枝刈り以外のリグレッションを見つける必要があると思われる。