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
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_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 |
-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
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\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。