tanuki- 2023-12-31 nnue-pytorch halfkp_1024x2-8-32 LAMB
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。
- Optimizer に LAMB を使用する。
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 | LAMB |
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 newbob scale | 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-2023-12-13 https://docs.google.com/document/d/1_dMTIinvvF-zMX0_kNP1Ow1sKaFMqiQ93tyySycvSXM/edit?usp=sharing tanuki-.nnue-pytorch-2023-12-18 |
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
検証ロス
LAMB … 0.2570241420499739
SGD … 0.2558451730358986
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 思考エンジン2
name YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT
author by yaneurao by yaneurao
exeファイル C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine1\source\YaneuraOu-by-gcc.exe 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-2023-12-28 D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2023-12-13
定跡手数 256 256
定跡ファイル名 no_book no_book
思考ノード数 0 0
思考ノード数に加える乱数(%) 0 0
思考ノード数の乱数を1手毎に変化させる False False
持ち時間(ms) 300000 300000
秒読み時間(ms) 0 0
加算時間(ms) 2000 2000
乱数付き思考時間(ms) 0 0
スレッド数 1 1
BookEvalDiff 30 30
定跡の採択率を考慮する true true
定跡の手数を無視する true true
SlowMover 100 100
DrawValue -2 -2
BookEvalBlackLimit 0 0
BookEvalWhiteLimit -140 -140
FVScale 16 16
Depth=0 0
MinimumThinkingTime 1000 1000
対局数5000 先手勝ち2489(52.5%) 後手勝ち2251(47.5%) 引き分け260
engine1
勝ち2047(43.2% R-45.1 +-9.7) 先手勝ち1084(22.9%) 後手勝ち963(20.3%)
宣言勝ち28 先手宣言勝ち11 後手宣言勝ち17 先手引き分け129 後手引き分け131
engine2
勝ち2693(56.8%) 先手勝ち1405(29.6%) 後手勝ち1288(27.2%)
宣言勝ち29 先手宣言勝ち13 後手宣言勝ち16 先手引き分け131 後手引き分け129
2047,260,2693
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 思考エンジン2
name YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT
author by yaneurao by yaneurao
exeファイル C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine1\source\YaneuraOu-by-gcc.exe 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-2023-12-28 D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2023-12-18
定跡手数 256 256
定跡ファイル名 no_book no_book
思考ノード数 0 0
思考ノード数に加える乱数(%) 0 0
思考ノード数の乱数を1手毎に変化させる False False
持ち時間(ms) 300000 300000
秒読み時間(ms) 0 0
加算時間(ms) 2000 2000
乱数付き思考時間(ms) 0 0
スレッド数 1 1
BookEvalDiff 30 30
定跡の採択率を考慮する true true
定跡の手数を無視する true true
SlowMover 100 100
DrawValue -2 -2
BookEvalBlackLimit 0 0
BookEvalWhiteLimit -140 -140
FVScale 16 16
Depth=0 0
MinimumThinkingTime 1000 1000
対局数5000 先手勝ち2476(51.9%) 後手勝ち2292(48.1%) 引き分け232
engine1
勝ち1864(39.1% R-73.3 +-9.8) 先手勝ち978(20.5%) 後手勝ち886(18.6%)
宣言勝ち14 先手宣言勝ち6 後手宣言勝ち8 先手引き分け117 後手引き分け115
engine2
勝ち2904(60.9%) 先手勝ち1498(31.4%) 後手勝ち1406(29.5%)
宣言勝ち67 先手宣言勝ち32 後手宣言勝ち35 先手引き分け115 後手引き分け117
1864,232,2904
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 思考エンジン2
name YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT YaneuraOu NNUE 7.63 64ZEN2 TOURNAMENT
author by yaneurao by yaneurao
exeファイル C:\Jenkins\workspace\TanukiColiseum.2023-04-16\engine1\source\YaneuraOu-by-gcc.exe 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-2023-12-28 D:\hnoda\tanuki-wcsc32-2022-05-06\eval
定跡手数 256 256
定跡ファイル名 no_book no_book
思考ノード数 0 0
思考ノード数に加える乱数(%) 0 0
思考ノード数の乱数を1手毎に変化させる False False
持ち時間(ms) 300000 300000
秒読み時間(ms) 0 0
加算時間(ms) 2000 2000
乱数付き思考時間(ms) 0 0
スレッド数 1 1
BookEvalDiff 30 30
定跡の採択率を考慮する true true
定跡の手数を無視する true true
SlowMover 100 100
DrawValue -2 -2
BookEvalBlackLimit 0 0
BookEvalWhiteLimit -140 -140
FVScale 16 16
Depth=0 0
MinimumThinkingTime 1000 1000
対局数5000 先手勝ち2520(53.4%) 後手勝ち2200(46.6%) 引き分け280
engine1
勝ち1547(32.8% R-117.2 +-10.2) 先手勝ち853(18.1%) 後手勝ち694(14.7%)
宣言勝ち43 先手宣言勝ち23 後手宣言勝ち20 先手引き分け136 後手引き分け144
engine2
勝ち3173(67.2%) 先手勝ち1667(35.3%) 後手勝ち1506(31.9%)
宣言勝ち18 先手宣言勝ち9 後手宣言勝ち9 先手引き分け144 後手引き分け136
1547,280,3173
学習ロスと検証ロスは、はじめは SGD ( https://docs.google.com/document/d/1W3Xzb27Cmkbwqz50U17O8H1brNXQ1ksABhNOsZOzspw/edit?usp=sharing ) に比べて急速に下がったが、最終的なロスは SGD より高かった。
学習ロスと検証ロスの乖離は、大きくはなかった。
ネットワークパラメーターについては、 feature transformer 層のバイアスは、 SGD のほうの山が -85 付近にあるのに対し、 LAMB のほうの山は -275 付近にあった。 feature transformer 層の重みは、 SGD のほうの山が -80 付近にあるのに対し、 LAMB のほうの山は -45 付近にあった。
隠れ層第 1 層から第 2 層へのバイアスは、 SGD のほうの山が 4000 付近にあるのに対し、 LAMB のほうの山は 1500 付近にあった。隠れ層第 1 層から第 2 層へのバイアスは、 SGD のほうの山が -50 付近にあるのに対し、 LAMB のほうの山は -130 付近にあった。
隠れ層第 2 層から第 3 層へのバイアスは、 SGD のほうの山が -15000 付近にあるのに対し、 LAMB のほうの山は -25000 付近にあった。隠れ層第 2 層から第 3 層への重みは、 SGD のほうの山が -100 付近にあるのに対し、 LAMB の方の山は -140 付近にあった。
隠れ層第 3 層から出力層へのバイアスは、 SGD のほうの山が 1050 付近にあるのに対し、 LAMB のほうの山は 1420 付近にあった。隠れ層第 3 層から出力層への重みは、 SGD のほうの山が -150 付近にあるのに対し、 LAMB の方の山は -80 付近にあった。
レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R117.2 低く、有意な差があった。また、 SGD と比べて R45.1 低く、有意な差があった。さらに、 tanuki-.nnue-pytorch-2023-12-18 と比べて R73.3 低く、有意な差があった。
考察
学習ロスと検証ロスが、はじめに急激に下がったのは、 LAMB の Adam 部分のモーメンタム相当の項・RMSProps 相当の項・Gradient Centralization のいずれかが効いているためだと思う。また、最終的なロスが SGD より大きかったのは、早い段階で局所最適解に陥ってしまったためだと思う。
ネットワークパラメーターの傾向が SGD と異なっていたのは、 Optimizer の違いによるもので、早い段階で局所最適解に落ちいてしまったためだと思う。
レーティングが SGD と比べて有意に低かったのも、早い段階で局所最適解に陥ってしまったためだと思う。
まとめ
nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させた。 Optimizer に LAMB を使用した。
レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R117.2 低く、有意な差があった。また、 SGD と比べて R45.1 低く、有意な差があった。さらに、 tanuki-.nnue-pytorch-2023-12-18 と比べて R73.3 低く、有意な差があった。レーティングが SGD と比べて有意に低かったのは、早い段階で局所最適解に陥ってしまったためだと思う。
次回は、 LAMB のどの要素が悪影響を与えているか調べるため、 SGD に Gradient Centralization を加えたものを使って学習させ、レーティングを測定したい。