tanuki- 2023-11-23 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 学習率調整
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、学習率を変更する。
- その際の学習率は、初期値よりは低くする。
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 |
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 |
|
ネットワークパラメーターの量子化ありで学習する際の初期学習率 |
0.1 |
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
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_35\checkpoints\last.ckpt to D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2023-11-20\nn.nnue
ft bias:
-108 |
-86.67 |
-65.33 |
-44 |
-22.67 | ###########################################
-1.333 | ##################################################
ft weight:
-86 |
-56.33 |
-26.67 | ##################################################
3 | #######
32.67 |
62.33 |
fc bias:
-4210 | #########################
-2298 | #########################
-387 | #########################
1524 | ##################################################
3436 | #########################
5348 | ##################################################
layer has 0/16384 clipped weights. Exceeding by 0.0 the maximum 1.984375.
fc weight:
-38 |
-19.33 | #############################################
-0.6667 | ##################################################
18 |
36.67 |
55.33 |
fc bias:
-7533 | ###########################
-3451 | ##################################################
630.7 | ##################################################
4712 | ###########
8794 | ######################
1.288e+04 | ################
layer has 0/256 clipped weights. Exceeding by 0.0 the maximum 1.984375.
fc weight:
-127 | ##
-86.83 | ################
-46.67 | ###############################################
-6.5 | ##################################################
33.67 | ###################
73.83 | ###
fc bias:
-2476 |
-2475 |
-2475 |
-2475 | ##################################################
-2475 |
-2475 |
layer has 0/32 clipped weights. Exceeding by 0.0 the maximum 1.6801041666666667.
fc weight:
-126 | ##################
-86.5 | ##################
-47 | ######################
-7.5 | #########
32 | ##################################################
71.5 | ###########################
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-2023-11-20 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2481(52.9%) 後手勝ち2205(47.1%) 引き分け314
engine1
勝ち1662(35.5% R-97.1 +-10.0) 先手勝ち906(19.3%) 後手勝ち756(16.1%)
宣言勝ち40 先手宣言勝ち19 後手宣言勝ち21 先手引き分け147 後手引き分け167
engine2
勝ち3024(64.5%) 先手勝ち1575(33.6%) 後手勝ち1449(30.9%)
宣言勝ち18 先手宣言勝ち9 後手宣言勝ち9 先手引き分け167 後手引き分け147
1662,314,3024
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-2023-11-20 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-2023-11-10 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2553(54.4%) 後手勝ち2143(45.6%) 引き分け304
engine1
勝ち2171(46.2% R-24.6 +-9.7) 先手勝ち1184(25.2%) 後手勝ち987(21.0%)
宣言勝ち10 先手宣言勝ち4 後手宣言勝ち6 先手引き分け160 後手引き分け144
engine2
勝ち2525(53.8%) 先手勝ち1369(29.2%) 後手勝ち1156(24.6%)
宣言勝ち103 先手宣言勝ち53 後手宣言勝ち50 先手引き分け144 後手引き分け160
2171,304,2525
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、少し上がり、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。
ネットワークパラメーターのうち、入力層から隠れ層第 2 層までの重みは、値が一部に集中しているのに対し、隠れ層第 2 層から出力層までの重みは、値が分散しているように見えた。
レーティングは、 tanuki-wcsc32-2022-05-06 にくらべて R97.1 低く、有意な差があった。また、量子化なしのものと比べて R24.6 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上がったのは、量子化なしでの学習から量子化ありでの学習に切り替わったためだと思う。また、上がった際に波打たなかったのは、量子化ありでの学習に切り替わった際の学習率が、大きくなかったためだと思う。
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。
重みの分布が層によって異なっている点について、入力層から隠れ層第 2 層までの重みの値が一部に集中しているのは、重みの初期値の分散が小さいことか、バックプロパゲーションで勾配が十分に伝搬していないことが原因の可能性がある。
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が、学習後に量子化する手法と比べ、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うための可能性がある。量子化ありでの学習は控えたほうが良いと思う。
まとめ
nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させた。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、学習率を変更した。その際の学習率は、初期学習率より低くした。
結果、レーティングは、 量子化なしのものと比べて R24.6 低く、有意な差があった。原因として、量子化ありでの学習が、学習後に量子化する手法と比べ、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う可能性がある。
次回は、量子化を学習後の 1 回だけに戻し、かつ初期ネットワークパラメーターを Xavier の初期値を用いて学習させ、レーティングを測定したい。