tanuki- 2022-12-16 Fine Tuning halfkp_1024x2-8-32 手数
実験内容
- 高ノード数の探索を用いて教師データを生成し、 halfkp_1024x2-8-32 評価関数を、学習データの最小手数と最大手数を指定して Fine Tuning 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 64 思考ノード数最大 2,000,000 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 | 5 百万局面 × 19 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 | あり |
最小手数 | 32 |
最大手数 | 96 |
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_1024x2-8-32 |
学習手法 | SGD ミニバッチ法 |
USI_Hash | 1024 |
Threads | 16 |
loop | 100 |
batchsize | 1000000 |
lambda | 0.0 |
eta | eta1=1e-8 eta2=0.01*0.5^10.0 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-wcsc32 https://docs.google.com/document/d/1IjK1PpT_-lGZen28ACWNrKsjk-BVnS4riDAR2oPZHDk/edit |
勝敗項の教師信号 | 0.99 |
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 | tanuki-wcsc32 https://docs.google.com/document/d/1IjK1PpT_-lGZen28ACWNrKsjk-BVnS4riDAR2oPZHDk/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 | 512 |
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=512 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=1 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\halfkp_1024x2-8-32.add.nodes=2M.min_ply=32.max_ply=96.eta2=0.001\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\halfkp_1024x2-8-32\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=16
対局数2000 先手勝ち865(54.9%) 後手勝ち712(45.1%) 引き分け423
engine1
勝ち442(28.0% R-125.6 +-16.2) 先手勝ち247(15.7%) 後手勝ち195(12.4%)
宣言勝ち96 先手宣言勝ち52 後手宣言勝ち44 先手引き分け239 後手引き分け184
engine2
勝ち1135(72.0%) 先手勝ち618(39.2%) 後手勝ち517(32.8%)
宣言勝ち11 先手宣言勝ち6 後手宣言勝ち5 先手引き分け184 後手引き分け239
442,423,1135
レーティングは、手数を制限しない場合に比べて、さらに下がってしまった。
考察
レーティング
水匠開発者杉村氏が公開してくださっている条件の一つ目を試し、レーティングが挙がらなかった点を考えると、学習データに問題がある可能性がある。
まとめ
高ノード数の探索を用いて教師データを生成し、 halfkp_1024x2-8-32 評価関数を、学習データの最小手数と最大手数を指定して Fine Tuning し、レーティングを測定した。結果、レーティングは、手数を制限しない場合に比べて、さらに下がってしまった。水匠開発者杉村氏が公開してくださっている条件でもレーティングが上がらないことを考えると、学習データに問題がある可能性がある。
次は、杉村氏が公開してくださっている学習データを用いて学習させてみたい。