tanuki- 2023-11-20 nnue-pytorch halfkp_1024x2-8-32 ネットワークパラメーターの学習後の量子化つき学習

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。
初めに量子化なしで学習したあと、 1 epoch 学習するたびに、ネットワークパラメーターを量子化する。

ネットワークパラメーターの量子化をはじめるときに、学習率を初期値に戻す。

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
1 epoch 毎のネットワークパラメーターのクリップ	あり
ネットワークパラメーターの量子化	量子化なしで学習し、収束後、量子化ありで学習する

レーティング測定

対局相手	tanuki-wcsc32 (マメット・ブンブク)https://docs.google.com/document/d/17jNFwKXtgr5WssCQQ0lclSy_0m_tNWbpmIC9s7pettA/edit#heading=h.hqsqfroqfwaz tanuki-.nnue-pytorch-2023-11-10
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

Converting D:\hnoda\shogi\nnue-python.train.2023-10-18\lightning_logs\version_34\checkpoints\last.ckpt to D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2023-11-19\nn.nnue

ft bias:

-77 |

-60.67 |

-44.33 |

-28 | ###

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

4.667 | ####

ft weight:

-81 |

-53.17 |

-25.33 | ##################################################

2.5 | #######

30.33 |

58.17 |

fc bias:

2009 | #########################

3443 | ##################################################

4877 | #########################

6310 | #########################

7744 | ##################################################

9178 | #########################

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

fc weight:

-36 |

-23.17 | #

-10.33 | ##################################################

2.5 | #####################

15.33 |

28.17 |

fc bias:

-5345 | #############

-2496 | ##################

352.7 | ##################

3202 | ###############################

6050 | ##################################################

8899 | #############

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

fc weight:

-127 | ####

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

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

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

42.33 | #########

84.67 | ##

fc bias:

-2038 |

-2038 | ##################################################

-2038 |

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

fc weight:

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

-86.83 | #########################

-46.67 | #####################################

-6.5 | ##################

33.67 | ##################################################

73.83 | ###########################################

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-2023-11-19 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2404(51.5%) 後手勝ち2261(48.5%) 引き分け335

engine1

勝ち1644(35.2% R-98.2 +-10.0) 先手勝ち852(18.3%) 後手勝ち792(17.0%)

宣言勝ち33 先手宣言勝ち17 後手宣言勝ち16 先手引き分け178 後手引き分け157

engine2

勝ち3021(64.8%) 先手勝ち1552(33.3%) 後手勝ち1469(31.5%)

宣言勝ち35 先手宣言勝ち18 後手宣言勝ち17 先手引き分け157 後手引き分け178

1644,335,3021

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-2023-11-10 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 FVScale2=16 Depth2=0

対局数5000 先手勝ち2499(53.2%) 後手勝ち2195(46.8%) 引き分け306

engine1

勝ち2133(45.4% R-29.8 +-9.7) 先手勝ち1140(24.3%) 後手勝ち993(21.2%)

宣言勝ち22 先手宣言勝ち10 後手宣言勝ち12 先手引き分け154 後手引き分け152

engine2

勝ち2561(54.6%) 先手勝ち1359(29.0%) 後手勝ち1202(25.6%)

宣言勝ち153 先手宣言勝ち78 後手宣言勝ち75 先手引き分け152 後手引き分け154

2133,306,2561

学習ロスと検証ロスは、はじめに急激に下がり、収束したあと、少し波打ち、また収束した。

学習ロスと検証ロスの乖離は、大きくはなかった。

ネットワークパラメーターは、クリップしているものはなかった。

レーティングは、 tanuki-wcsc32-2022-05-06 にくらべて R-98.2 低く、有意な差があった。また、量子化なしのものと比べて R-29.8 低く、有意な差があった。

考察

学習ロスと検証ロスが途中で波打ったタイミングは、量子化なしでの学習から量子化ありでの学習に移行したタイミングだと思う。

波打った理由は、量子化ありでの学習に移行したタイミングの学習率が高く、大域的最適解の周辺をさまよっていたためだと思う。

ネットワークパラメーターがクリップしていない理由は、 1 epoch 毎にネットワークパラメーターをクリップしたためだと思う。

レーティングが量子化なしのものと比べて有意に低かった理由は、量子化ありでの学習に移行したタイミングでの学習率が高く、収束していたネットワークパラメーターを大きく変えてしまったことが原因の可能性がある。

まとめ

nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させた。初めに量子化なしで学習したあと、 1 epoch 学習するたびに、ネットワークパラメーターを量子化した。ネットワークパラメーターの量子化をはじめるときに、学習率を初期値に戻した。

結果、レーティングは、量子化なしのものに比べて R-29.8 低かった。原因は、量子化ありでの学習に移行したタイミングでの学習率が高く、収束していたネットワークパラメーターを大きく変えてしまったことである可能性がある。

次回は、量子化ありでの学習に移行する際の学習率を低くしたうえで学習させ、レーティングを測定したい。

nodchipのコンピューター将棋ブログ

コンピューター将棋ソフト「tanuki-」シリーズの実験結果を掲載しています。

tanuki- 2023-11-20 nnue-pytorch halfkp_1024x2-8-32 ネットワークパラメーターの学習後の量子化つき学習

tanuki- 2023-11-20 nnue-pytorch halfkp_1024x2-8-32 ネットワークパラメーターの学習後の量子化つき学習

実験内容

棋譜生成

シャッフル条件

機械学習

レーティング測定

実験結果

機械学習

ネットワークパラメターの分布

レーティング測定

考察

まとめ