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- 2022-10-27 nnue-pytorch Label Smoothing

tanuki- 2022-10-27 nnue-pytorch Label Smoothing

実験内容

  • nnue-pytorch を用いた学習で、 Label Smoothing を適用し、リグレッションがないことを確認する。

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

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 0.99

レーティング測定

対局相手 tanuki- 2022-10-26 nnue-pytorch GeForce RTX 4090 - Google ドキュメント https://docs.google.com/document/d/1psORyVgOMQly8ul7GZpnD7sWI7-ICLMO962Hcs3FUO8/edit
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-2022-10-26 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\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 FVScale2=20

対局数2000 先手勝ち869(51.7%) 後手勝ち811(48.3%) 引き分け320

engine1

勝ち834(49.6% R-2.1 +-15.2) 先手勝ち435(25.9%) 後手勝ち399(23.8%)

宣言勝ち19 先手宣言勝ち8 後手宣言勝ち11 先手引き分け152 後手引き分け168

engine2

勝ち846(50.4%) 先手勝ち434(25.8%) 後手勝ち412(24.5%)

宣言勝ち21 先手宣言勝ち10 後手宣言勝ち11 先手引き分け168 後手引き分け152

834,320,846

学習ロスと検証ロスは、 Label Smoothing を無効にした場合と比べて下がった。また、学習ロスと検証ロスとの大きな乖離は見受けられなかった。

レーティングは、 Label Smoothing を無効にした場合と比べ、有意な差はなかった。

考察

Label Smoothing により学習ロスと検証ロスが下がったのは、ロスの計算式において、大きな値が出現しにくくなったためだと思われる。

レーティングの測定結果より、 Label Smoothing を有効にした場合、無効にした場合と比べて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、 Label Smoothing を用い、リグレッションがないことを確認した。

次は、 nnue-pytorch の学習ルーチンを、やねうら王純正の学習器の実装に近づけ、レーティングを測定したい。