tanuki- 2023-05-02 Fine Tuning halfkp_1024x2-8-32 Suishopsv-150m と dlshogi with GCT の学習データ
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 と、 dlshogi with GCT の学習データを混ぜ、 Fine Tuning 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 |
| 生成ルーチン | dlshogi / GCT |
| 評価関数 | dlshogi / GCT |
| 1手あたりの思考 | 1600 / 1800 / 2000 / 2400 po |
| 開始局面 | 初期局面集 floodgateの26手目までから作成した初期局面集 たややん互換局面 |
| 生成局面数 | ? |
| 生成条件 | ? |
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 | 16 |
| 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 | 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 | 384 |
| 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=384 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\halfkp_1024x2-8-32.add.Suishopsv-150m.gct\5 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 7.63 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987(53.9%) 後手勝ち845(46.1%) 引き分け168
engine1
勝ち802(43.8% R-39.8 +-15.3) 先手勝ち430(23.5%) 後手勝ち372(20.3%)
宣言勝ち30 先手宣言勝ち12 後手宣言勝ち18 先手引き分け99 後手引き分け69
engine2
勝ち1030(56.2%) 先手勝ち557(30.4%) 後手勝ち473(25.8%)
宣言勝ち30 先手宣言勝ち22 後手宣言勝ち8 先手引き分け69 後手引き分け99
802,168,1030
今回作成した評価関数は、 Fine Tuning 元になった評価関数と比較し、有意にレーティングが低かった。
考察
レーティング
Suishopsv-150m と dlshogi with GCT の学習データを混ぜて Fine Tuning すると、有意にレーティングが下がることから、学習データとして悪い性質を持っていると考えられる。ただし、なぜ悪い性質を持つのかは、この実験結果だけからでは分からなかった。
水匠 4 と dlshogi / GCT の局面評価の方向性が大きく異なり、互いに相手の長所を打ち消している可能性はある。
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 と、 dlshogi with GCT の学習データを混ぜ、 Fine Tuning した。
結果、 Fine Tuning した評価関数は、 Fine Tuning の元になった評価関数と比較し、有意にレーティングが低かった。
次回は、 nnue-pytorch で、十分な epoch 数学習させたときの、レーティングの遷移を計測したい。
