tanuki- 2023-01-09 Fine Tuning halfkp_1024x2-8-32 レーティング測定
実験内容
- halfkp_1024x2-8-32 評価関数を、水匠開発者杉村氏が公開している学習データ Suishopsv-150m を用いて Fine Tuning した評価関数と、過去に作成した評価関数のレーティングを比較する。
棋譜生成
| 生成ルーチン | 不明 |
| 評価関数 | 水匠 4 |
| 1手あたりの思考 | 1 手 200 万ノード |
| 開始局面 | 不明 |
| 開始局面後のランダムムーブ | 不明 |
| 生成局面数 | 約 1 億 5 千万局面 |
| 生成条件 | 不明 |
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 | 0 |
| 最大手数 | 10000 |
| 最小進行度 | 0.1 |
| 最大進行度 | 1.0 |
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 | 127 |
| loop | 100 |
| batchsize | 1000000 |
| lambda | 0.0 |
| eta | eta1=1e-8 eta2=0.001 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 |
| 学習局面数 | 1 億 × 20 周 |
レーティング測定
| 対局相手 | tanuki-wcsc32-2022-05-06 https://docs.google.com/document/d/1Lup-hHFH2_QWqEfe56obJ6OEwj15P-C0VO6pWV9-vgo/edit?usp=sharing やねうら王 V5.33 使用 |
| 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 | 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=5000 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.Suishopsv-150m.eta2=0.001.min_progress=0.1\20 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2439(53.4%) 後手勝ち2127(46.6%) 引き分け434
engine1
勝ち2429(53.2% R20.3 +-9.6) 先手勝ち1290(28.3%) 後手勝ち1139(24.9%)
宣言勝ち12 先手宣言勝ち3 後手宣言勝ち9 先手引き分け220 後手引き分け214
engine2
勝ち2137(46.8%) 先手勝ち1149(25.2%) 後手勝ち988(21.6%)
宣言勝ち81 先手宣言勝ち32 後手宣言勝ち49 先手引き分け214 後手引き分け220
2429,434,2137
https://docs.google.com/document/d/1VyUZIU1XHO1Do7KbgS8gQ-hT34TuMJTWRXbapv1H7AI/edit?usp=sharing
で作成した評価関数は、 tanuki-dr3-2023-12-04 より R20.3 程度、レーティングが高かった。
考察
レーティング
Suishopsv-150m による Fine Tuning の効果が出たのだと思われる。
まとめ
halfkp_1024x2-8-32 評価関数を、水匠開発者杉村氏が公開している学習データ Suishopsv-150m を用いて Fine Tuning した評価関数と、過去に作成した評価関数のレーティングを比較した。
結果、 Fine Tuning した評価関数は、過去に作成した評価関数に比べ、 R20.3 程度レーティングが高かった。
評価関数に関する開発研究は一旦お休みし、次回は MCTS ベースの定跡データベースの生成を実験したい。
