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。