tanuki- 2023-11-10 nnue-pytorch halfkp_1024x2-8-32 重みのクリップ

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。
ネットワークパラメーターのうち、重みをクリップする。

棋譜生成

生成ルーチン	tanuki-棋譜生成ルーチン
評価関数	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
num-batches-warmup	10000
newbob-decay	0.5
epoch-size	10000000
num-epochs-to-adjust-lr	50
学習を打ち切る下限学習率	1e-5

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

ネットワークパラメターの分布

tanuki-.nnue-pytorch-2023-11-10

ft bias:

-75 |

-59.67 |

-44.33 |

-29 | ##############

-13.67 | ##################################################

1.667 | ####

ft weight:

-64 |

-40.17 |

-16.33 | ##################################################

7.5 |

31.33 |

55.17 |

fc bias:

-343 | ############

554.3 | ############

1452 |

2349 |

3246 | #########################

4144 | ##################################################

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

fc weight:

-39 |

-20.33 | #####################################

-1.667 | ##################################################

17 |

35.67 |

54.33 |

fc bias:

-9020 | ###

-6046 | #########################

-3071 | ##################################################

-96.5 | ############################

2878 | ###

5852 | ###

layer has 0/256 clipped weights. Exceeding by 0.0 the maximum 1.984375.

fc weight:

-102 | #

-63.83 | ############

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

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

50.67 | #########

88.83 | #

fc bias:

2644 |

2644 | ##################################################

2644 |

layer has 0/32 clipped weights. Exceeding by 0.0 the maximum 1.6801041666666667.

fc weight:

-117 | ###############################

-76.33 | ##################################################

-35.67 | #########################

5 | #########################

45.67 | ###########################################

86.33 | #########################

tanuki-wcsc32-2022-05-06

ft bias:

-270 |

-218.3 |

-166.7 |

-115 | ####

-63.33 | ##################################################

-11.67 | #############

ft weight:

-260 |

-180 |

-100 |

-20 | ##################################################

60 |

140 |

fc bias:

-3352 | ################

-1503 |

345.7 | ##################################################

2194 | ################

4043 | #################################

5892 | ################

ft weight:

-74 |

-40.5 | ###

-7 | ##################################################

26.5 |

60 |

93.5 |

fc bias:

-9465 | ######################

-5650 | ################

-1834 | ######################

1981 | ######################################

5796 | ##################################################

9612 | ###########################

ft weight:

-127 | #####

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

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

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

42.33 | ########

84.67 | ##

fc bias:

1592 |

1593 |

1593 | ##################################################

1593 |

ft weight:

-116 | ###

-89.5 |

-63 |

-36.5 | ##############################################

-10 | ##############

16.5 | ##################################################

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-2023-11-10 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2484(53.1%) 後手勝ち2196(46.9%) 引き分け320

engine1

勝ち1864(39.8% R-67.0 +-9.8) 先手勝ち1008(21.5%) 後手勝ち856(18.3%)

宣言勝ち68 先手宣言勝ち26 後手宣言勝ち42 先手引き分け153 後手引き分け167

engine2

勝ち2816(60.2%) 先手勝ち1476(31.5%) 後手勝ち1340(28.6%)

宣言勝ち12 先手宣言勝ち5 後手宣言勝ち7 先手引き分け167 後手引き分け153

1864,320,2816

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。