tanuki- 2022-10-26 nnue-pytorch GeForce RTX 4090

tanuki- 2022-10-26 nnue-pytorch GeForce RTX 4090

実験内容

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

シャッフル条件

生成ルーチン tanuki-シャッフルルーチン
qsearch() あり
置換表 無効

機械学習

機械学習ルーチン nnue-pytorch + やねうら王 https://github.com/nodchip/nnue-pytorch/tree/shogi.2022-05-23
学習モデル halfkp_256x2-32-32
学習手法 SGD ミニバッチ法
初期学習率 (lr) 8.75e-4
最適化手法 Ranger
学習率調整手法 StepLR step=1 gamma=0.992
batch-size 16384
threads 1
num-workers 8
gpus 1
features HalfKP
max_epoch 300
scaling (kPonanzaConstant) 361
lambda 0.5
勝敗項の教師信号 1.0

レーティング測定

対局相手 tanuki- 2022-06-07 やねうら王学習部リグレッション調査 V5.33 https://docs.google.com/document/d/1Lup-hHFH2_QWqEfe56obJ6OEwj15P-C0VO6pWV9-vgo/edit?usp=sharing
思考時間 持ち時間 300 秒 + 1 手 2 秒加算
対局数 2000
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

レーティング測定

対局数=2000 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-.nnue-pytorch-2022-10-25 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2000 先手勝ち904(52.5%) 後手勝ち818(47.5%) 引き分け278

engine1

勝ち727(42.2% R-46.8 +-15.4) 先手勝ち381(22.1%) 後手勝ち346(20.1%)

宣言勝ち15 先手宣言勝ち9 後手宣言勝ち6 先手引き分け149 後手引き分け129

engine2

勝ち995(57.8%) 先手勝ち523(30.4%) 後手勝ち472(27.4%)

宣言勝ち22 先手宣言勝ち13 後手宣言勝ち9 先手引き分け129 後手引き分け149

727,278,995

学習ロスと検証ロスは、特に問題なく下がった。

レーティングは、やねうら王純正の学習器で学習させた評価関数に比べ、 R-46.8 程度低かった。

考察

レーティングについては、過去に実験した、 GPU を用いて学習させた評価関数と CPU を用いて学習させた評価巻子の差と、大きな違いはないように思う。

学習ロス、検証ロスも下がっていることから、目立ったリグレッションはないと考えて良いと思われる。

まとめ

nnue-pytorch を用いた学習で、 GeForce RTX 4090 を用い、リグレッションがないことを確認した。

次は、 Label Smoothing を導入し、リグレッションがないことを確認したい。