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

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。