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
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\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。