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。