tanuki- 2023-04-27 Fine Tuning halfkp_256x2-32-32 レーティング測定

tanuki- 2023-04-27 Fine Tuning halfkp_256x2-32-32 レーティング測定

実験内容

• halfkp_256x2-32-32 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_256x2-32-32
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	https://docs.google.com/document/d/1Lup-hHFH2_QWqEfe56obJ6OEwj15P-C0VO6pWV9-vgo/edit?usp=sharing regression.v5.33
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 × 40 周

レーティング測定

対局相手	https://docs.google.com/document/d/1VyUZIU1XHO1Do7KbgS8gQ-hT34TuMJTWRXbapv1H7AI/edit?usp=sharinghalfkp_1024x2-8-32.add.Suishopsv-150m.eta2=0.001.min_progress=0.1\20
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.2023-04-16\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 7.63 64ZEN2 TOURNAMENT author=by yaneurao exeファイル=C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine1\source\YaneuraOu-by-gcc.exe 評価関数フォルダパス=D:\hnoda\shogi\eval\regression.v5.33.add.Suishopsv-150m.eta2=0.001.min_progress=0.1\15 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=20

思考エンジン2 name=YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT author=by yaneurao exeファイル=C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine2\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 FVScale2=16

対局数2000 先手勝ち938(52.8%) 後手勝ち838(47.2%) 引き分け224

engine1

勝ち890(50.1% R0.7 +-15.2) 先手勝ち471(26.5%) 後手勝ち419(23.6%)

宣言勝ち49 先手宣言勝ち25 後手宣言勝ち24 先手引き分け112 後手引き分け112

engine2

勝ち886(49.9%) 先手勝ち467(26.3%) 後手勝ち419(23.6%)

宣言勝ち0 先手宣言勝ち0 後手宣言勝ち0 先手引き分け112 後手引き分け112

890,224,886

https://docs.google.com/document/d/1VyUZIU1XHO1Do7KbgS8gQ-hT34TuMJTWRXbapv1H7AI/edit?usp=sharing の halfkp_1024x2-8-32.add.Suishopsv-150m.eta2=0.001.min_progress=0.1\20 と比べ、 R0.7 程度強かったが、有意差はなかった。

考察

レーティング

halfkp_1024x2-8-32 の最新の評価関数と比較し、遜色ない程度の評価関数を作ることができたと考えられる。

まとめ

halfkp_256x2-32-32 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 halfkp_1024x2-8-32 の最新の評価関数と比較し、同程度のレーティングだった。

次回は、過去に作成した halfkp_1024x2-8-32 の Fine Tuning において、 Suishopsv-150m と入玉の棋譜を混ぜて学習させ、レーティングを測定したい。