tanuki- 2023-12-04 nnue-pytorch halfkp_1024x2-8-32 ReduceLROnPlateau

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。
学習率スケジューラーに ReduceLROnPlateau 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 + ReduceLROnPlateau
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

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_39\checkpoints\last.ckpt to D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2023-12-02\nn.nnue

ft bias:

-76 |

-60.17 |

-44.33 |

-28.5 | ############

-12.67 | ##################################################

3.167 | ##

ft weight:

-67 |

-41.33 |

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

10 |

35.67 |

61.33 |

fc bias:

9 | ################

964.3 |

1920 | #################################

2875 | ##################################################

3830 | ################

4786 | ################

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

fc weight:

-62 |

-43.17 |

-24.33 | ################

-5.5 | ##################################################

13.33 | #

32.17 |

fc bias:

-4491 | ###############################

-2501 | ##################################################

-510.3 | ###########################

1480 | ######################

3470 |

5461 | #############

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

fc weight:

-121 | ##

-80.33 | #####

-39.67 | ##################################################

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

41.67 | #########

82.33 | ##

fc bias:

-2312 |

-2312 | ##################################################

-2312 |

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

fc weight:

-119 | ###################################

-78 | #####################

-37 | ##################################################

4 | ##########################################

45 | ###################################

86 | ##########################################

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-2023-12-02 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2503(52.5%) 後手勝ち2262(47.5%) 引き分け235

engine1

勝ち2163(45.4% R-30.6 +-9.7) 先手勝ち1134(23.8%) 後手勝ち1029(21.6%)

宣言勝ち11 先手宣言勝ち4 後手宣言勝ち7 先手引き分け134 後手引き分け101

engine2

勝ち2602(54.6%) 先手勝ち1369(28.7%) 後手勝ち1233(25.9%)

宣言勝ち99 先手宣言勝ち47 後手宣言勝ち52 先手引き分け101 後手引き分け134

2163,235,2602

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2531(53.4%) 後手勝ち2209(46.6%) 引き分け260

engine1

勝ち1511(31.9% R-124.4 +-10.3) 先手勝ち832(17.6%) 後手勝ち679(14.3%)

宣言勝ち40 先手宣言勝ち25 後手宣言勝ち15 先手引き分け139 後手引き分け121

engine2

勝ち3229(68.1%) 先手勝ち1699(35.8%) 後手勝ち1530(32.3%)

宣言勝ち11 先手宣言勝ち4 後手宣言勝ち7 先手引き分け121 後手引き分け139

1511,260,3229

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。

学習率は、 newbob 風の学習率スケジューラーと比べ、早いタイミングで下がった。

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 R124.4 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クリップしなかったものと比べ R30.6 低く、有意な差があった。

考察

学習率が早いタイミングで下がったのは、学習率スケジューラーの実装の違いによるものだと思う。 newbob 風スケジューラーは、一定区間内のロスの平均をとり、前の区間より平均が上がったら学習率を下げる。一方、 ReduceLROnPlateau は、バッチ毎のロスを計算し、ロスが一定数連続で下がらなかったら学習率を下げる。この違いがタイミングの違いにつながったのだと思う。

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。

レーティングが、 ReduceLROnPlateau のほうが newbob 風に比べて低い理由は、早いタイミングで学習が下がったため、高い学習率で十分な学習が行えず、学習が不十分だったためだと思う。

まとめ

nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させた。学習率スケジューラーに ReduceLROnPlateau を使用した。

結果、レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R124.4 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クリップしなかったものと比べ R30.6 低く、有意な差があった。原因は、学習率が早いタイミングで下がったことにより、高い学習率で十分な学習が行えず、学習が不十分だったためだと思う。

次回は、 scaling の値を 361 に戻し、学習させ、レーティングを測定したい。