tanuki- 2023-11-28 nnue-pytorch halfkp_1024x2-8-32 Xavierの初期値

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初期化に Xavier の初期値を使用する。

ただし、入力層から隠れ層第 1 層の重みは、標準偏差を 1.0 / sqrt(kMaxActiveDimensions) とした。

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、収束後に量子化する。
ネットワークパラメーターの初期化方法	Xavierの初期値ただし、入力層から隠れ層第 1 層の重みは、標準偏差を 1.0 / sqrt(kMaxActiveDimensions) とする。

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_36\checkpoints\last.ckpt to D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2023-11-22\nn.nnue

ft bias:

-339 |

-274.3 |

-209.7 | #

-145 | #####################

-80.33 | ##################################################

-15.67 | ##############

ft weight:

-206 |

-130.3 |

-54.67 | ##################################################

21 | #########

96.67 |

172.3 |

fc bias:

-1.291e+04| ################

-8452 |

-3995 | ##################################################

462 | ################

4919 | ################

9376 | #################################

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

fc weight:

-107 |

-70.67 |

-34.33 | ##################################################

2 | #########

38.33 |

74.67 |

fc bias:

-1.579e+04| ####################

-1.207e+04| ####################

-8348 | ##############################

-4630 | ##############################

-910.7 | ##################################################

2808 | ##########

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:

894.5 |

894.7 |

894.8 |

895 | ##################################################

895.2 |

895.3 |

layer has 0/32 clipped weights. Exceeding by 0.0 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-2023-11-22 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2499(51.7%) 後手勝ち2339(48.3%) 引き分け162

engine1

勝ち354(7.3% R-408.4 +-17.1) 先手勝ち214(4.4%) 後手勝ち140(2.9%)

宣言勝ち8 先手宣言勝ち7 後手宣言勝ち1 先手引き分け91 後手引き分け71

engine2

勝ち4484(92.7%) 先手勝ち2285(47.2%) 後手勝ち2199(45.5%)

宣言勝ち0 先手宣言勝ち0 後手宣言勝ち0 先手引き分け71 後手引き分け91

354,162,4484

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2488(51.7%) 後手勝ち2329(48.3%) 引き分け183

engine1

勝ち559(11.6% R-330.1 +-14.3) 先手勝ち315(6.5%) 後手勝ち244(5.1%)

宣言勝ち4 先手宣言勝ち3 後手宣言勝ち1 先手引き分け101 後手引き分け82

engine2

勝ち4258(88.4%) 先手勝ち2173(45.1%) 後手勝ち2085(43.3%)

宣言勝ち40 先手宣言勝ち18 後手宣言勝ち22 先手引き分け82 後手引き分け101

559,183,4258

学習ロスと検証ロスは、はじめに急激に下がり、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。

学習ロスと検証ロスは、ネットワークパラメーターをデフォルトの初期化方法で初期化した場合と比べ、大きかった。

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、入力層から隠れ層第 2 層までの重みは、ネットワークパラメーターをデフォルトの初期化方法で初期化した場合や、やねうら王の手法で初期化した場合に比べ、絶対値が大きかった。

レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R408.4 低く、有意な差があった。また、ネットワークパラメーターをデフォルトの初期化方法で初期化した場合に比べて R330.1 低く、有意な差があった。

考察

学習ロスと検証ロスが、ネットワークパラメーターをデフォルトの初期化方法で初期化した場合と比べて大きかったのは、勾配消失により、十分な学習が行われなかったことが原因の可能性がある。今回使用した初期化手法は、重みの初期値が大きすぎたのだと思う。

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。

ネットワークパラメーターの、入力層から隠れ層第 2 層までの重みが、ネットワークパラメーターをデフォルトの初期化方法で初期化した場合や、やねうら王の手法で初期化した場合に比べ、絶対値が大きかったのは、重みの初期値の分散が大きかったためだと思う。

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、勾配消失により、十分な学習が行われなかったためだと思う。

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、ネットワークパラメーターの初期化に Xavier の初期値を使用すた。ただし、入力層から隠れ層第 1 層の重みは、標準偏差を 1.0 / sqrt(kMaxActiveDimensions) とした。

結果、レーティングは、量子化なしのものと比べて R330.1 低く、有意な差があった。原因として、勾配消失により、十分な学習が行われなかったことが原因の可能性がある。

次回は、ネットワークパラメーターの初期化方法をデフォルトに戻し、ネットワークパラメーターのクリップによるレーティング向上がどの程度かを再度確認したい。