nodchipのコンピューター将棋ブログ

コンピューター将棋ソフト「tanuki-」シリーズの実験結果を掲載しています。

tanuki- 2022-08-05 教師局面生成時の開始局面 (s-book_black) (3)

tanuki- 2022-08-05 教師局面生成時の開始局面 (s-book_black) (3)

実験内容

  • 教師局面の生成時、開始局面として floodgate の棋譜の局面と、 s-book_black に収録されている局面を使用し、学習した評価関数のレーティングを計測する。

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 1. 10 億局面 × 4 セット 2. 10 億局面 × 4 セット
生成条件 対局は打ち切らず詰みの局面まで教師局面に出力した

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 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
教師局面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

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

suisho.s-book_black.mix … 今回作成した教師局面で学習した場合

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\suisho5.s-book_black.mix\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2320(53.8%) 後手勝ち1994(46.2%) 引き分け686

engine1

勝ち2180(50.5% R3.2 +-9.6) 先手勝ち1169(27.1%) 後手勝ち1011(23.4%)

宣言勝ち164 先手宣言勝ち82 後手宣言勝ち82 先手引き分け347 後手引き分け339

engine2

勝ち2134(49.5%) 先手勝ち1151(26.7%) 後手勝ち983(22.8%)

宣言勝ち123 先手宣言勝ち59 後手宣言勝ち64 先手引き分け339 後手引き分け347

2180,686,2134

以下、 1. を floodgate の棋譜の局面を開始局面として教師局面を生成し、学習させた場合とする。また、 2. を s-book_black の各局面を開始局面として教師局面を生成し、学習させた場合とする。

学習ロスと検証ロスは、 1. より低く、 2. より高かった。

平手局面の評価値は、 1. より高く、 2. より低かった。

評価値の絶対値は、 1. より高く、 2. より低かった。

レーティングは、ベースラインとした評価関数と比べて、 R3.2 程度高かった。

考察

学習ロスと検証ロス

1. と 2. の教師局面を混ぜて学習させているためだと思われる。教師局面を混ぜて学習させることにより、混ぜた教師局面の性質の中間の性質を持つ評価関数が学習できる、ということなのだろう。

平手局面の評価値

学習ロスと検証ロスと同様に、 1. と 2. の教師局面を混ぜて学習させているためだと思われる。

評価値の絶対値

他の項目と同様に、 1. と 2. の教師局面を混ぜて学習させているためだと思われる。

レーティング

1. と 2. を混ぜて学習させて学習させたにもかかわらず、レーティングは 1. と 2. の中間とはならなかった。これは、教師局面を混ぜた場合、それらの教師局面の良い性質が、強く表れている可能性がある。ただし、この方法でこれ以上レーティングをのばせるかどうかは、微妙な数字だと思われる。

まとめ

教師局面の生成時、開始局面として floodgate の棋譜の局面と、 s-book_black に収録されている局面を使用し、学習した評価関数のレーティングを計測する。結果、ベースラインとした評価関数と比べて、 R3.1 程度高かった。この方針でレーティングを高めるのは、難しいと思われる。

次回は、水匠 5 が採用している、高ノード数探索による教師局面による、 fine-tuning を試してみたい。