tanuki- 2023-12-07 nnue-pytorch halfkp_1024x2-8-32 scaling 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。
評価値を勝率に変換する際の定数を 361 に設定する。

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
accelerator	gpu
devices	1
features	HalfKP
max-epoch	5000
scaling (kPonanzaConstant)	361
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ーターの分布

Converting D:\hnoda\shogi\nnue-python.train.2023-10-18\lightning_logs\version_40\checkpoints\last.ckpt to D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2023-12-04\nn.nnue

ft bias:

-74 |

-57.33 | #

-40.67 | ####

-24 | ##################################################

-7.333 | ##########################

9.333 |

ft weight:

-77 |

-49.33 |

-21.67 | ##################################################

6 |

33.67 |

61.33 |

fc bias:

-496 | ################

472.5 |

1441 | ################

2410 | ################

3378 | #################################

4346 | ##################################################

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

fc weight:

-48 |

-32.83 | #

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

-2.5 | ##################################################

12.67 | ####

27.83 |

fc bias:

-1.322e+04| ###############

-9640 | ##############################

-6063 | ##############################

-2486 | ##################################################

1090 | ###############

4666 | ####################

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

fc weight:

-127 | #

-90.17 | ##

-53.33 | ##################

-16.5 | ##################################################

20.33 | #############

57.17 | #######

fc bias:

-70.5 |

-70.33 |

-70.17 |

-70 | ##################################################

-69.83 |

-69.67 |

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

fc weight:

-121 | #########

-79.67 | #############

-38.33 | ##################################################

3 | ###############################

44.33 | ######################

85.67 | ##################

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-2023-12-04 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2417(53.2%) 後手勝ち2122(46.8%) 引き分け461

engine1

勝ち1652(36.4% R-87.6 +-9.9) 先手勝ち901(19.9%) 後手勝ち751(16.5%)

宣言勝ち110 先手宣言勝ち54 後手宣言勝ち56 先手引き分け227 後手引き分け234

engine2

勝ち2887(63.6%) 先手勝ち1516(33.4%) 後手勝ち1371(30.2%)

宣言勝ち12 先手宣言勝ち2 後手宣言勝ち10 先手引き分け234 後手引き分け227

1652,461,2887

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2495(53.6%) 後手勝ち2157(46.4%) 引き分け348

engine1

勝ち2493(53.6% R23.2 +-9.7) 先手勝ち1330(28.6%) 後手勝ち1163(25.0%)

宣言勝ち83 先手宣言勝ち47 後手宣言勝ち36 先手引き分け176 後手引き分け172

engine2

勝ち2159(46.4%) 先手勝ち1165(25.0%) 後手勝ち994(21.4%)

宣言勝ち35 先手宣言勝ち20 後手宣言勝ち15 先手引き分け172 後手引き分け176

2493,348,2159

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、 scaling=361 のほうが scaling=600 に比べて大きかった。

学習率は、 scaline=361 のほうが scaling=600 に比べて下がるのが遅かった。

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 R87.6 低く、有意な差があった。また、 scaling=600 の物に比べて R23.2 高く、有意な差があった。

考察

学習ロスと検証ロスの乖離が大きくなかったことから、過学習はあまり起こっていないと思う。

学習ロスと検証ロスが scaling=361 のほうが大きいのは、 scaling=600 と比べて推定された勝率が大きくなり、交差エントロピーとカルバック・ライブラー情報量が大きくなったためだと思う。

学習率が下がるのが遅かったのは、教師信号の違いにより、収束するのが遅くなったためだと思う。

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 scaling=361 に比べて高い理由は、評価関数が勝率をより正確に予測できるようになったことが原因の可能性がある。

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、評価値を勝率に変換する際の定数を 361 に設定した。

レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R87.6 低く、有意な差があった。また、 scaling=600 の物に比べて R23.2 高く、有意な差があった。レーティングが scaling=361 に比べて高い理由は、評価関数が勝率をより正確に予測できるようになったことが原因の可能性がある。

次回は、学習データの評価値とネットワークが出力評価値とで、スケールの値を変えて学習させ、レーティングを測定したい。