tanuki- 2023-11-10 nnue-pytorch halfkp_1024x2-8-32 scaling 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。
scaling の値を 600 に設定し、レーティングの変化を調べる。

棋譜生成

生成ルーチン	tanuki-棋譜生成ルーチン
評価関数	水匠5
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。 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.2023-10-29.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	Warmup + Newbob 風
batch-size	16384
threads	8
num-workers	8
gpus	1
features	HalfKP
max_epoch	5000
scaling (kPonanzaConstant)	600
lambda	0.5
勝敗項の教師信号	0.999
epoch_size	10000000

レーティング測定

対局相手	tanuki-wcsc32 (マメット・ブンブク)
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

C:\Jenkins\workspace\nnue-pytorch.serialize.2022-10-25>python serialize.py --features="HalfKP" "D:\hnoda\shogi\nnue-python.train.2023-10-18\lightning_logs\version_28\checkpoints\last.ckpt" "D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2023-11-07\nn.nnue"

Converting D:\hnoda\shogi\nnue-python.train.2023-10-18\lightning_logs\version_28\checkpoints\last.ckpt to D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2023-11-07\nn.nnue

ft bias:

-90 |

-71 |

-52 |

-33 | #########

-14 | ##################################################

5 | #

ft weight:

-67 |

-43.17 |

-19.33 | ##################################################

4.5 |

28.33 |

52.17 |

fc bias:

-850 | ################

-73.33 | #################################

703.3 |

1480 | ################

2257 | ##################################################

3033 | ################

layer has 0/16384 clipped weights. Exceeding by 0.0 the maximum 1.984375.

fc weight:

-55 |

-27 | ##################################################

1 | ###############################################

29 |

57 |

85 |

fc bias:

-1.013e+04| #####

-7852 | ########

-5571 | #################

-3290 | ##################################################

-1009 | #####

1272 | #####

layer has 1/256 clipped weights. Exceeding by 0.03929901123046875 the maximum 1.984375.

fc weight:

-102 |

-63.83 | #######

-25.67 | ##################################################

12.5 | ####################

50.67 | ######

88.83 | #

fc bias:

2366 |

2367 |

2367 | ##################################################

2367 |

layer has 5/32 clipped weights. Exceeding by 0.5795859098434448 the maximum 1.6801041666666667.

fc weight:

-127 | #########################

-84.67 | ##################################################

-42.33 | #####################################

0 | #########################

42.33 | ###############################

84.67 | ###############################

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-2023-11-07 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\tanuki-wcsc32-2022-05-06\eval 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2417(51.6%) 後手勝ち2268(48.4%) 引き分け315

engine1

勝ち1805(38.5% R-75.9 +-9.9) 先手勝ち941(20.1%) 後手勝ち864(18.4%)

宣言勝ち41 先手宣言勝ち25 後手宣言勝ち16 先手引き分け152 後手引き分け163

engine2

勝ち2880(61.5%) 先手勝ち1476(31.5%) 後手勝ち1404(30.0%)

宣言勝ち8 先手宣言勝ち1 後手宣言勝ち7 先手引き分け163 後手引き分け152

1805,315,2880

学習ロスと検証ロスは、 scaling=600 のほうが scaling=361 より高かった。

scaling=600 と scaling=361 の学習ロスと検証ロスは、それぞれ大きく乖離してはいなかった。

シリアライズ中、隠れ層第 2 層から第 3 層へのネットワークパラメーターのうち、 1 つがクリッピングしていた。また、第 3 層から出力層へのネットワークパラメーターのうち、 5 つがクリッピングしていた。

レーティングは、 scaling=600 は tanuki-wcsc32 に比べ、 R-75.9 低く、有意な差があった。

考察

学習ロスと検証ロスは、過学習が起こっていないことを表していると思う。

シリアライズ中、いくつかのネットワークパラメーターがクリッピングしたことにより、学習時と推論時の出力が大きく乖離している可能性がある。これにより、評価値の値が意図しない値となり、レーティングが下がっている可能性がある。これを防ぐためには、やねうら王の学習器に実装されている、学習中にネットワークパラメーターをクリッピングすればよいと思う。