tanuki- 2023-12-14 nnue-pytorch halfkp_1024x2-8-32 epoch-size 調整 (2)
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 100 万、 num-epochs-to-adjust-lr を 500 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 | 1000000 |
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 | 1000000 |
num-epochs-to-adjust-lr | 500 |
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
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-2023-12-13 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2482(54.1%) 後手勝ち2103(45.9%) 引き分け415
engine1
勝ち1908(41.6% R-53.9 +-9.7) 先手勝ち1043(22.7%) 後手勝ち865(18.9%)
宣言勝ち87 先手宣言勝ち46 後手宣言勝ち41 先手引き分け218 後手引き分け197
engine2
勝ち2677(58.4%) 先手勝ち1439(31.4%) 後手勝ち1238(27.0%)
宣言勝ち11 先手宣言勝ち8 後手宣言勝ち3 先手引き分け197 後手引き分け218
1908,415,2677
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-2023-12-13 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2555(55.0%) 後手勝ち2090(45.0%) 引き分け355
engine1
勝ち2393(51.5% R9.8 +-9.6) 先手勝ち1315(28.3%) 後手勝ち1078(23.2%)
宣言勝ち23 先手宣言勝ち10 後手宣言勝ち13 先手引き分け171 後手引き分け184
engine2
勝ち2252(48.5%) 先手勝ち1240(26.7%) 後手勝ち1012(21.8%)
宣言勝ち65 先手宣言勝ち28 後手宣言勝ち37 先手引き分け184 後手引き分け171
2393,355,2252
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、下がるのが遅かった
ネットワークパラメーターは、 feature transformer 層は、バイアスは -85 前後が多かった。重みは -75 前後が多かった。隠れ層第 2 層は、バイアスは 0~6000 の間で分散していた。重みは -50 付近が多かった。隠れ層第 3 層は、バイアスは -15000 付近が多かった。重みは -100 付近が多かった。出力層は、バイアスは 1000 付近であり、重みは -150 前後が多かった。
レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R53.9 低く、有意な差があった。また、 1 千万のもとと比べて R9.8 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、 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遅かったのは、 epoch-size が小さいためだと思う。 epoch-size が小さく、 num-epochs-to-adjust-lr が大きい場合、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小さくなる。このため、上振れが少なく、収束したと誤って判定されることが少なくなり、学習率が下がるのが遅くなったのだと思う。
ネットワークパラメータは、 feature transformer 層のバイアスと重みに負の数が多い。このことから、出力に負の数が多いことが考えられる。仮に出力に負の数が多い場合、 ClippedReLU によりクリップされ、 0 になるはずである。にもかかわらず、ロスが下がっていることを考えると、評価値として有効な値が出力されていると考えられる。現時点で原因は不明である。
レーティングが epoch-size が 1 千万のものと比べて高い理由は、学習率が大きいタイミングで十分な学習が行得たためだと思う。
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 100 万、 num-epochs-to-adjust-lr を 500 に設定し、学習させた。
レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R53.9 低く、有意な差があった。また、 1 千万のもとと比べて R9.8 高く、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高い理由は、学習率が大きいタイミングで十分な学習が行得たためだと思う。
次回は、ロスが下がらず、学習率を下げる際、ネットワークパラメータを巻き戻して学習させ、レーティングを測定したい。