tanuki- 2023-12-17 nnue-pytorch halfkp_1024x2-8-32 ネットワークパラメーターのバックアップとリストア

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。
ある学習率で収束したかどうかの判定の際、収束していない場合はネットワークパラメーターをバックアップし、収束した場合にリストするようにする。

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	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/1W3Xzb27Cmkbwqz50U17O8H1brNXQ1ksABhNOsZOzspw/edit?usp=sharing tanuki-.nnue-pytorch-2023-12-14
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

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-2023-12-15 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2463(53.7%) 後手勝ち2125(46.3%) 引き分け412

engine1

勝ち1821(39.7% R-66.5 +-9.8) 先手勝ち997(21.7%) 後手勝ち824(18.0%)

宣言勝ち64 先手宣言勝ち32 後手宣言勝ち32 先手引き分け205 後手引き分け207

engine2

勝ち2767(60.3%) 先手勝ち1466(32.0%) 後手勝ち1301(28.4%)

宣言勝ち12 先手宣言勝ち3 後手宣言勝ち9 先手引き分け207 後手引き分け205

1821,412,2767

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-2023-12-13 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 FVScale2=16 Depth2=0

対局数5000 先手勝ち2472(52.6%) 後手勝ち2228(47.4%) 引き分け300

engine1

勝ち2357(50.1% R1.0 +-9.6) 先手勝ち1237(26.3%) 後手勝ち1120(23.8%)

宣言勝ち10 先手宣言勝ち5 後手宣言勝ち5 先手引き分け156 後手引き分け144

engine2

勝ち2343(49.9%) 先手勝ち1235(26.3%) 後手勝ち1108(23.6%)

宣言勝ち54 先手宣言勝ち27 後手宣言勝ち27 先手引き分け144 後手引き分け156

2357,300,2343

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、ネットワークパラメーターのバックアップとリストアを行わないものに対し、大きな差はなかった。

レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R66.5 低く、有意な差があった。また、ネットワークパラメーターのバックアップとリストアを行わないものと比べて R1.0 高かったが、有意な差はなかった。

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。

学習ロスト検証ロスが、ネットワークパラメーターのバックアップとリストアを行わないものに対し、大きな差がなかったのは、収束判定時のネットワークパラメーターとバックアップしたネットワークパラメーターに、大きな差がなかったことが原因の可能性がある。

レーティングが、ネットワークパラメーターのバックアップとリストアを行わないものに対して有意な差がなかったのも、収束判定時のネットワークパラメーターとバックアップしたネットワークパラメーターに、大きな差がなか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。ある学習率で収束したかどうかの判定の際、収束していない場合はネットワークパラメーターをバックアップし、収束した場合にリストするようにした。

レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R66.5 低く、有意な差があった。また、ネットワークパラメーターのバックアップとリストアを行わないものと比べて R1.0 高かったが、有意な差はなかった。有意な差がなかったのは、収束判定時のネットワークパラメーターとバックアップしたネットワークパラメーターに、大きな差がなかったことが原因の可能性がある。

次回は、バッチサイズを 16384 から 8192 に下げて学習させ、レーティングを測定したい。