tanuki- 2023-12-11 nnue-pytorch halfkp_1024x2-8-32 epoch-size 調整
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。
- epoch-size を 1 億、 num-epochs-to-adjust-lr を 5 に設定し、学習させる。
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 | 10000 |
score-scaling | 361 |
lambda | 0.5 |
勝敗項の教師信号 | 0.999 |
num-batches-warmup | 10000 |
newbob-decay | 0.5 |
epoch-size | 100000000 |
num-epochs-to-adjust-lr | 5 |
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
機械学習
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_42\checkpoints\last.ckpt to D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2023-12-09\nn.nnue
ft bias:
-70 |
-55 |
-40 | #
-25 | ##################
-10 | ##################################################
5 | #
ft weight:
-66 |
-41 |
-16 | ##################################################
9 |
34 |
59 |
fc bias:
-186 | ############
646 | ############
1478 |
2310 | ############
3142 | ############
3974 | ##################################################
layer has 0/16384 clipped weights. Exceeding by 0.0 the maximum 1.984375.
fc weight:
-44 |
-29.5 | ##
-15 | ############################################
-0.5 | ##################################################
14 | ##
28.5 |
fc bias:
-1.358e+04| ###
-1.056e+04| #######
-7546 | ##############
-4528 | ##################################################
-1511 | #########################
1506 | ##############
layer has 0/256 clipped weights. Exceeding by 0.0 the maximum 1.984375.
fc weight:
-112 | #
-72.17 | #############
-32.33 | ##################################################
7.5 | ###########################
47.33 | #######
87.17 | ##
fc bias:
-371.5 |
-371.3 |
-371.2 |
-371 | ##################################################
-370.8 |
-370.7 |
layer has 0/32 clipped weights. Exceeding by 0.0 the maximum 1.6801041666666667.
fc weight:
-127 | ############
-84.67 | ###############################
-42.33 | ###########################################
0 | ##################################################
42.33 | #####################################
84.67 | #########################
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-2023-12-09 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2534(54.4%) 後手勝ち2127(45.6%) 引き分け339
engine1
勝ち2130(45.7% R-27.9 +-9.7) 先手勝ち1152(24.7%) 後手勝ち978(21.0%)
宣言勝ち43 先手宣言勝ち19 後手宣言勝ち24 先手引き分け199 後手引き分け140
engine2
勝ち2531(54.3%) 先手勝ち1382(29.7%) 後手勝ち1149(24.7%)
宣言勝ち76 先手宣言勝ち37 後手宣言勝ち39 先手引き分け140 後手引き分け199
2130,339,2531
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-2023-12-09 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2445(52.4%) 後手勝ち2221(47.6%) 引き分け334
engine1
勝ち1599(34.3% R-105.1 +-10.1) 先手勝ち856(18.3%) 後手勝ち743(15.9%)
宣言勝ち80 先手宣言勝ち41 後手宣言勝ち39 先手引き分け166 後手引き分け168
engine2
勝ち3067(65.7%) 先手勝ち1589(34.1%) 後手勝ち1478(31.7%)
宣言勝ち7 先手宣言勝ち2 後手宣言勝ち5 先手引き分け168 後手引き分け166
1599,334,3067
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、 epoch-size が 1 千万のものと比べて、大きな差はなかった。
学習率は、 epoch-size が 1 千万のものと比べて、早めに下がった。
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 R105.1 低く、有意な差があった。また、 1 千万のもとと比べて R27.9 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、 epoch-size が 1 千万のものと比べて大きな差がなかったのは、学習データや学習率といったパラメーターが、 epoch-size 以外同じだったためだと思う。
学習率が下がるのが早かったのは、 epoch-size が大きいためだと思う。 epoch-size が大きく、 num-epochs-to-adjust-lr が小さい場合、収束判定を行う際に使用する、過去のロスの平均値のブレが大きくなる。このため、上振れを引いたときに、収束したと判定され、学習率が下がってしまったのだと思う。このブレを小さくするには、 epoch-size を小さくし、 num-epochs-to-adjust-lr を大きくすればよい。
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 epoch-size が 1 千万のものと比べて低い理由は、学習率が大きいタイミングで十分な学習が行えなかったためだと思う。
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、epoch-size を 1 億、 num-epochs-to-adjust-lr を 5 に設定し、学習した。
レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R105.1 低く、有意な差があった。また、 1 千万のもとと比べて R27.9 低く、有意な差があった。レーティングが epoch-size が 1 千万のものと比べて低い理由は、学習率が大きいタイミングで十分な学習が行えなかったためだと思う。
次回は、 epoch-size を 1,000,000、 num-epochs-to-adjust-lr を 500 に設定し、学習させ、レーティングを測定したい。