tanuki- 2023-05-17 Fine Tuning halfkp_256x2-32-32 Gaussian Lambda 再実験
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 する。その際、 Gaussian Lambda を使用し、 lambda=0.5 とする。
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 | 0.5 |
| 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 |
| Gaussian Lamabda | あり |
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 Gaussian Lambda なしで学習したもの |
| 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
機械学習
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.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.blossom.lambda=0.5\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=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5000 先手勝ち2448(54.5%) 後手勝ち2042(45.5%) 引き分け510
engine1
勝ち2153(48.0% R-12.8 +-9.6) 先手勝ち1185(26.4%) 後手勝ち968(21.6%)
宣言勝ち110 先手宣言勝ち56 後手宣言勝ち54 先手引き分け243 後手引き分け267
engine2
勝ち2337(52.0%) 先手勝ち1263(28.1%) 後手勝ち1074(23.9%)
宣言勝ち6 先手宣言勝ち3 後手宣言勝ち3 先手引き分け267 後手引き分け243
2153,510,2337
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.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.lambda=0.5\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5000 先手勝ち2415(53.6%) 後手勝ち2091(46.4%) 引き分け494
engine1
勝ち2249(49.9% R-0.6 +-9.6) 先手勝ち1199(26.6%) 後手勝ち1050(23.3%)
宣言勝ち77 先手宣言勝ち31 後手宣言勝ち46 先手引き分け258 後手引き分け236
engine2
勝ち2257(50.1%) 先手勝ち1216(27.0%) 後手勝ち1041(23.1%)
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236 後手引き分け258
2249,494,2257
対局数=5000 同時対局数=64 ハッシュサイズ=768 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.lambda=0.5\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\regression.v5.33.add.Suishopsv-150m.eta2=0.001.min_progress=0.1.blossom.lambda=0.5\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 FVScale2=20
対局数5000 先手勝ち2156(53.8%) 後手勝ち1852(46.2%) 引き分け992
engine1
勝ち2032(50.7% R3.9 +-9.6) 先手勝ち1097(27.4%) 後手勝ち935(23.3%)
宣言勝ち39 先手宣言勝ち17 後手宣言勝ち22 先手引き分け488 後手引き分け504
engine2
勝ち1976(49.3%) 先手勝ち1059(26.4%) 後手勝ち917(22.9%)
宣言勝ち138 先手宣言勝ち67 後手宣言勝ち71 先手引き分け504 後手引き分け488
2032,992,1976
Gaussian Lambda ありで学習させた評価関数は、 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、 R-12.8 程度レーティングが低かった。
Gaussian Lambda なしで学習させた評価関数は、 halfkp_1024x2-8-32.add.Suishopsv-150m.eta2=0.001.min_progress=0.1\20 と比べ、 R-0.6 程度レーティングが低かった。
Gaussian Lambda ありで学習させた評価関数と Gaussian Lambda なしで学習させた評価関数を対局させたところ、 Gaussian Lambda ありで学習させた評価関数 のほうが R3.9 程度レーティングが高かった。
考察
レーティング
3 つのソフト間で棋力を測定しているため、本来であれば多重検定が必要となる。ただし、少なくとも Gaussian Lambda ありで学習させた評価関数が、 Gaussian Lambda なしで学習させた評価関数に比べ、強くなっているという結果は出そうにないため、多重検定は省略する。
教師局面の探索ノード数が多く、質が高い場合、 Gaussian Lambda が有効ではない可能性はある。
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。その際、 Gaussian Lambda を使用し、 lambda=0.5 とした。
結果、 Gaussian Lamabda なしの場合と比べ、強くなっているという結果は出そうになかった。
次回は、 nnue-pytorch で、十分は epoch だけ学習させた際の、評価関数のレーティングを計測したい。
