tanuki- 2024-01-10 nnue-pytorch halfkp_1024x2-8-32 勾配の正規化

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。
勾配を平均 0 標準偏差 0 に正規化して学習させる。

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	ミニバッチ SGD
初期学習率 (lr)	0.0001220703125
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。
勾配の正規化	平均 0 標準偏差 0

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

勾配の正規化あり … 0.25782179840211966

勾配の正規化なし … 0.2558451730358986

ネットワークパラメーターの分布

mean=0.0 std=0.0

mean=0.001039203954860568 std=16.19374656677246

mean=-10.5 std=194.92123413085938

mean=-0.00811767578125 std=2.5573554039001465

mean=-24.84375 std=1832.6700439453125

mean=-0.03125 std=33.172027587890625

mean=-795.0 std=nan

mean=-1.1875 std=43.35110855102539

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-2024-01-06 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2509(53.1%) 後手勝ち2214(46.9%) 引き分け277

engine1

勝ち1366(28.9% R-146.4 +-10.5) 先手勝ち746(15.8%) 後手勝ち620(13.1%)

宣言勝ち72 先手宣言勝ち44 後手宣言勝ち28 先手引き分け161 後手引き分け116

engine2

勝ち3357(71.1%) 先手勝ち1763(37.3%) 後手勝ち1594(33.7%)

宣言勝ち7 先手宣言勝ち2 後手宣言勝ち5 先手引き分け116 後手引き分け161

1366,277,3357

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-2024-01-06 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2534(52.9%) 後手勝ち2253(47.1%) 引き分け213

engine1

勝ち1860(38.9% R-75.3 +-9.9) 先手勝ち1000(20.9%) 後手勝ち860(18.0%)

宣言勝ち22 先手宣言勝ち11 後手宣言勝ち11 先手引き分け108 後手引き分け105

engine2

勝ち2927(61.1%) 先手勝ち1534(32.0%) 後手勝ち1393(29.1%)

宣言勝ち50 先手宣言勝ち25 後手宣言勝ち25 先手引き分け105 後手引き分け108

1860,213,2927

学習ロスと検証ロスは、勾配の正規化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、初めは勾配の正規化ありのほうが下がるのが早かった。

ネットワークパラメーターの重みは、平均値はほとんどの層で 0.0 付近だった。

レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R146.4 低く、有意な差があった。また、勾配の正規化なしのものと比べて R75.3 低く、有意な差があった。

考察

学習ロスト検証ロスが、勾配の正規化ありのほうがたかった理由は分からなかった。今回の正規化は、インターネット上で調べた限り、広く用いられている方法ではなさそうだった。多くの人が試した結果、効果がないとされた方法なのかもしれない。

ネットワークパラメーターの重みの平均値が、ほとんどの層で 0.0 付近だった理由も分からなかった。

レーティングが勾配の正規化なしのものと比べて低かったのは、学習が十分に行えていないためだと思う。学習が十分に行えていない理由は分からなかった。

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、勾配を平均 0 標準偏差 0 に正規化して学習させた。

レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R146.4 低く、有意な差があった。また、勾配の正規化なしのものと比べて R75.3 低く、有意な差があった。レーティングが勾配の正規化なしのものと比べて低かったのは、学習が十分に行えていないためだと思う。学習が十分に行えていない理由は分からなかった。

次回は、モーメンタムを有効にして学習させ、レーティングを測定したい。