tanuki- 2023-12-09 nnue-pytorch halfkp_1024x2-8-32 in_scaling/out_scaling

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のうち、ネットワークの出力側を 340、教師局面が和を 380 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
in-scaling	340
out-scaling	380
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/1GyWhsNSigbgY1jp55UH3m1OGvSguTYr6ino4UQZNJU0/edit?usp=sharing tanuki-.nnue-pytorch-2023-12-04
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_41\checkpoints\last.ckpt to D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2023-12-07\nn.nnue

ft bias:

-79 |

-63 |

-47 | #

-31 | #########

-15 | ##################################################

1 | #####

ft weight:

-70 |

-43 |

-16 | ##################################################

11 |

38 |

65 |

fc bias:

-1248 | ################

-257 | #################################

734 |

1725 |

2716 | ##################################################

3707 | #################################

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

fc weight:

-53 |

-26.33 | ##################################################

0.3333 | ##############################################

27 |

53.67 |

80.33 |

fc bias:

-1.521e+04| ###

-1.239e+04| #######

-9570 | ###############

-6748 | #######################

-3927 | ##################################################

-1106 | #######################

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

fc weight:

-61 | #######

-32.17 | ###########################################

-3.333 | ##################################################

25.5 | ######################

54.33 | ########

83.17 |

fc bias:

1458 |

1459 |

1459 | ##################################################

1459 |

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

fc weight:

-108 | ###########

-70.67 | ##################################################

-33.33 | #################################

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

41.33 | ###########################

78.67 | ###########################

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-2023-12-07 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-2023-12-04 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 FVScale2=16 Depth2=0

対局数5000 先手勝ち2453(52.4%) 後手勝ち2227(47.6%) 引き分け320

engine1

勝ち2266(48.4% R-10.3 +-9.6) 先手勝ち1198(25.6%) 後手勝ち1068(22.8%)

宣言勝ち52 先手宣言勝ち30 後手宣言勝ち22 先手引き分け141 後手引き分け179

engine2

勝ち2414(51.6%) 先手勝ち1255(26.8%) 後手勝ち1159(24.8%)

宣言勝ち85 先手宣言勝ち40 後手宣言勝ち45 先手引き分け179 後手引き分け141

2266,320,2414

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2516(53.6%) 後手勝ち2176(46.4%) 引き分け308

engine1

勝ち1756(37.4% R-83.6 +-9.9) 先手勝ち960(20.5%) 後手勝ち796(17.0%)

宣言勝ち81 先手宣言勝ち41 後手宣言勝ち40 先手引き分け162 後手引き分け146

engine2

勝ち2936(62.6%) 先手勝ち1556(33.2%) 後手勝ち1380(29.4%)

宣言勝ち7 先手宣言勝ち4 後手宣言勝ち3 先手引き分け146 後手引き分け162

1756,308,2936

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、 in_scaling=340/out_scaling=380 のほうが scaling=361 と比べて小さかった。

学習率は、 in_scaling=340/out_scaling=380 のほうが scaline=361 と比べて下がるのが早かった。

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 R83.6 低く、有意な差があった。また、 scaling=361 のもとと比べて R10.3 低く、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 in_scaling=340/out_scaling=380 のほうが小さいのは、 scaling=361 と比べて推定された勝率が 50% から離れており、交差エントロピーとカルバック・ライブラー情報量が小さくなったためだと思う。

学習率が下がるのが早かったのは、教師信号の違いにより、収束するのが早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 に比べて低い理由は、評価関数の勝率の予測が不正確になったためだと思う。

まとめ

nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させた。その際、評価値を勝率に変換する際の定数のうち、ネットワークの出力側を 340、教師局面が和を 380 に設定した。

レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R83.6 低く、有意な差があった。また、 scaling=361 のもとと比べて R10.3 低く、有意な差があった。レーティングが scaling=361 に比べて低い理由は、評価関数の勝率の予測が不正確になったためだと思う。

次回は、 epoch-size を 100,000,000、 num-epochs-to-adjust-lr を 5 に設定し、ネットワークパラメーターをストレージに書き出す回数を減らし、学習を高速化できるかどうか試したい。