tanuki- 2023-10-29 nnue-pytorch halfkp_1024x2-8-32 HalfKP^ 再実験
実験内容
- nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させる。
- 入力特徴量を HalfKP^ とする。
棋譜生成
生成ルーチン | tanuki-棋譜生成ルーチン |
評価関数 | Háo |
1手あたりの思考 | 深さ最大 9 思考ノード数最大 50,000 ノード |
開始局面 | foodgate の 2020 年~ 2021 年の棋譜を使用した。レーティング 3900 以上同士の対局のみ使用した。戦型が角換わりの対局が 10% になるよう調整した。 32 手目までから 1 局面ランダムに選択し、その局面を開始局面とした。ランダムムーブはしなかった。 |
生成局面数 | 10 億局面 × 8 セット |
生成条件 | 対局は打ち切らず詰みの局面まで学習データに出力した |
シャッフル条件
生成ルーチン | tanuki-シャッフルルーチン |
qsearch() | あり |
置換表 | 無効 |
機械学習
機械学習ルーチン | nnue-pytorch + やねうら王 https://github.com/nodchip/nnue-pytorch/tree/shogi.2022-10-31.halfkp_1024x2-8-32 |
学習モデル | halfkp_1024x2-8-32 |
学習手法 | SGD ミニバッチ法 |
初期学習率 (lr) | 1.0 |
最適化手法 | なし |
学習率調整手法 | newbob 風学習率スケジューラー 学習ロスに改善が見られなくなったら、学習率を下げる |
batch-size | 16384 |
threads | 1 |
num-workers | 8 |
gpus | 1 |
features | HalfKP^ |
max_epoch | 50000 |
scaling (kPonanzaConstant) | 361 |
lambda | 0.5 |
勝敗項の教師信号 | 0.999 |
num_batches_warmup | 10000 |
newbob_decay | 0.50 |
epoch_size | 10000000 |
num_epochs_to_adjust_lr | 50 |
レーティング測定
対局相手 | https://docs.google.com/document/d/1KR3pBFmrmBnbamKvsFHbBkN2F9fdE_RgB-4SZ0MJLfU/edit?usp=sharing の 2. (tanuki-.nnue-pytorch-2023-10-21) |
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 | 384 |
開始局面 | dlshogi 互角局面集の角換わりの割合が 10% になるよう間引いたもの |
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=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\floodgate32-80.adjust_bishop_exchange.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\tanuki-.nnue-pytorch-2023-10-28 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=true 定跡の手数を無視する=true SlowMover=100 DrawValue=-2 BookEvalBlackLimit=0 BookEvalWhiteLimit=-140 FVScale1=16 Depth1=0
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\tanuki-.nnue-pytorch-2023-10-21 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=true 定跡の手数を無視する=true SlowMover=100 DrawValue=-2 BookEvalBlackLimit=0 BookEvalWhiteLimit=-140 FVScale2=16 Depth2=0
対局数5000 先手勝ち2446(51.7%) 後手勝ち2287(48.3%) 引き分け267
engine1
勝ち1451(30.7% R-133.4 +-10.4) 先手勝ち764(16.1%) 後手勝ち687(14.5%)
宣言勝ち20 先手宣言勝ち6 後手宣言勝ち14 先手引き分け137 後手引き分け130
engine2
勝ち3282(69.3%) 先手勝ち1682(35.5%) 後手勝ち1600(33.8%)
宣言勝ち26 先手宣言勝ち20 後手宣言勝ち6 先手引き分け130 後手引き分け137
1451,267,3282
学習ロス・検証ロス共に、 HalfKP^ のほうが HalfKP より高かった。
HalfKP^ の学習ロス・検証ロスは、ほとんど同じだった。
HalfKP^ で学習させたネットワークは、 HalfKP で学習させたネットワークに対し、レーティングが R-133.4 低く、有意な差があった。
考察
理屈の上では、 HalfKP^ のほうが HalfKP より表現能力が高いため、ロスが下がるはずである。ところが、実際には HalfKP^ のほうがロスが高かった。この原因として、 HalfKP^ の実装のバグが考えられる。
レーティング差についても、 HalfKP^ の実装のバグの可能性と矛盾はない。
まとめ
nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させた。また、入力特徴量を HalfKP^ とした。
実験の結果、 HalfKP^ のロスは HalfKP のロスより大きくなった。また HalfKP^ のレーティングは HalfKP より有意に低かった。 HalfKP^ の実装のバグが疑われる。
次回は、最適化手法に Ranger、学習率調整手法に ReduceLROnPlateau を使用して学習させ、レーティングを測定したい。