tanuki- 2024-01-03 nnue-pytorch halfkp_1024x2-8-32 Gradient Centralization

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。
勾配に対し Gradient Centralization を適用する。

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	ミニバッチ SGD
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	8192
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。
Gradient Centralization	あり

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/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

Gradient Centralization あり … 0.255952619320009

Gradient Centralization なし … 0.2558451730358986

ネットワークパラメーターの分布

mean=-15.681640625 std=15.073563575744629

mean=-0.000931335671339184 std=2.159369468688965

mean=2979.375 std=1506.4798583984375

mean=-0.013916015625 std=6.711396217346191

mean=-1974.0625 std=3509.219970703125

mean=0.48046875 std=36.11039352416992

mean=-2609.0 std=nan

mean=1.0 std=62.427764892578125

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-2024-01-01 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2439(52.9%) 後手勝ち2173(47.1%) 引き分け388

engine1

勝ち1938(42.0% R-51.5 +-9.7) 先手勝ち1033(22.4%) 後手勝ち905(19.6%)

宣言勝ち82 先手宣言勝ち42 後手宣言勝ち40 先手引き分け202 後手引き分け186

engine2

勝ち2674(58.0%) 先手勝ち1406(30.5%) 後手勝ち1268(27.5%)

宣言勝ち6 先手宣言勝ち3 後手宣言勝ち3 先手引き分け186 後手引き分け202

1938,388,2674

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-2024-01-01 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2518(53.8%) 後手勝ち2165(46.2%) 引き分け317

engine1

勝ち2235(47.7% R-14.8 +-9.6) 先手勝ち1203(25.7%) 後手勝ち1032(22.0%)

宣言勝ち33 先手宣言勝ち17 後手宣言勝ち16 先手引き分け162 後手引き分け155

engine2

勝ち2448(52.3%) 先手勝ち1315(28.1%) 後手勝ち1133(24.2%)

宣言勝ち94 先手宣言勝ち47 後手宣言勝ち47 先手引き分け155 後手引き分け162

2235,317,2448

検証ロスは、 Grandient Centralization ありのほうが高かった。

学習ロスと検証ロスの乖離は、大きくはなかった。

学習率は、 Gradient Centralization ありのほうが、下がるのが遅かった。

ネットワークパラメーターの重みは、後段ほど標準偏差が大きくなった。

レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R51.5 低く、有意な差があった。また、 Gradient Centralization 無しと比べて R14.8 低く、有意な差があった。

考察

検証ロスが Gradient Centralization ありのほうが高かったのは、 Gradient Centralization により、学習データの性質が変質してしまったことが原因の可能性がある

レーティングが Gradient Centralization 無しと比べて有意に低かったのは、変質した学習データで学習し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。その際、勾配に対し Gradient Centralization を適用した。

レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R51.5 低く、有意な差があった。また、 Gradient Centralization 無しと比べて R14.8 低く、有意な差があった。レーティングが Gradient Centralization 無しと比べて有意に低かったのは、変質した学習データで学習したことが原因の可能性がある。

次回は、勾配を平均 0 標準偏差 1 で正規化し、学習させ、レーティングを測定したい。