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- 2023-12-02 nnue-pytorch halfkp_1024x2-8-32 重みのクリップ 再実験

将棋 コンピュータ将棋

tanuki- 2023-12-02 nnue-pytorch halfkp_1024x2-8-32 重みのクリップ 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。
  • 学習中、ネットワークパラメーターのうち、重みをクリップする。
  • 重みの初期化に、 pytorch のデフォルトの初期化手法を使用する。

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 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 pytorch のデフォルトの初期化手法で初期化する。

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

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_37\checkpoints\last.ckpt to D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2023-12-01\nn.nnue

ft bias:

-75 |

-57.5 |

-40 | ####

-22.5 | ##################################################

-5 | ##################

12.5 |

ft weight:

-79 |

-52.33 |

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

1 | #############

27.67 |

54.33 |

fc bias:

-517 | ################

396.7 |

1310 |

2224 | ##################################################

3138 | ################

4051 | ##################################################

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

fc weight:

-41 |

-21.83 | ##############################

-2.667 | ##################################################

16.5 | #

35.67 |

54.83 |

fc bias:

-7630 | ##################################################

-4602 | ##################################################

-1574 | ##################################################

1454 | ##################

4482 | ############

7510 | ##################

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

fc weight:

-90 | #######

-53.83 | #######################

-17.67 | ##################################################

18.5 | #####################

54.67 | #####

90.83 | #

fc bias:

-2334 |

-2333 |

-2333 |

-2333 | ##################################################

-2333 |

-2333 |

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

fc weight:

-126 | ############################

-83.83 | ###################################

-41.67 | #####################

0.5 | ##################################################

42.67 | ##########################################

84.83 | ##################################################

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-2023-12-01 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2555(53.9%) 後手勝ち2187(46.1%) 引き分け258

engine1

勝ち2352(49.6% R-2.6 +-9.6) 先手勝ち1259(26.5%) 後手勝ち1093(23.0%)

宣言勝ち14 先手宣言勝ち6 後手宣言勝ち8 先手引き分け149 後手引き分け109

engine2

勝ち2390(50.4%) 先手勝ち1296(27.3%) 後手勝ち1094(23.1%)

宣言勝ち78 先手宣言勝ち52 後手宣言勝ち26 先手引き分け109 後手引き分け149

2352,258,2390

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-2023-12-01 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2545(54.3%) 後手勝ち2142(45.7%) 引き分け313

engine1

勝ち1690(36.1% R-93.0 +-10.0) 先手勝ち941(20.1%) 後手勝ち749(16.0%)

宣言勝ち58 先手宣言勝ち31 後手宣言勝ち27 先手引き分け169 後手引き分け144

engine2

勝ち2997(63.9%) 先手勝ち1604(34.2%) 後手勝ち1393(29.7%)

宣言勝ち14 先手宣言勝ち7 後手宣言勝ち7 先手引き分け144 後手引き分け169

1690,313,2997

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クリップしなかったものと比べ、ほとんど変わらなかった。

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 に比べて R93.0 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クリップしなかったものと比べ R2.6 低かったが、有意な差はなかった。

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クリップしなかったものと比べて、ほとんど変わらなかったのは、過去に行った実験と同じである。

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。

レーティングがネットワークパラメーターをクリップしなかったものと比べ、有意な差がなかったのは、過去に行った実験とは異なる結果である。その理由は、過去に行った実験では、ネットワークパラメーターをクリップしなかった場合、量子化時に複数のネットワークパラメーターがクリップされていたのに対し、今回の実験で比較対象となった、ネットワークパラメーターをクリップしなかったものが、量子化時にほとんどクリップされていなかったためだと思う。量子化時にほとんどクリップされていなかった理由は、ネットワークパラメーターの初期化方法が異なっていたためだと思う。

まとめ

nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させた。学習中、ネットワークパラメーターのうち、重みをクリップした。重みの初期化に、 pytorch のデフォルトの初期化手法を使用した。

結果、ネットワークパラメーターをクリップしなかったものと比べ、R2.6 低かったが、有意な差はなかった。これは、過去に行った実験とは異なる結果である。その理由は、過去の実験では、ネットワークパラメーターをクリップしなかった場合、量子化時に複数のネットワークパラメーターがクリップされていたのに対し、今回の実験で比較対象となったネットワークパラメーターをクリップしなかったものが、量子化時にほとんどクリップされていなかったためだと思う。

次回は、学習率スケジューラーに ReduceLROnPlateau を使用し、学習を行い、再度レーティングを測定したい。