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
機械学習
シリアライズ
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 | ##################################################
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。
まとめ
nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させた。その際、 scaling の値を 600 に設定し、レーティングの変化を調べた。
結果、シリアライズ中にネットワークパラメーターがクリッピングしていることが分かった。これにより、学習時と推論時の出力が乖離し、評価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。
次回は、 nnue-pytorch の学習時に、ネットワークパラメータのクリッピングを行い、最終的なネットワークの学習時と推論時の出力が乖離しないようにする実験を行いたい。