tanuki- 2024-01-16 nnue-pytorch halfkp_1024x2-8-32 モーメンタム
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。
- 学習の際、モーメンタムを使用する。
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 | 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 | なし |
momentum | 0.9 |
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
モーメンタムあり … 0.2554917651230729
モーメンタムなし … 0.2558451730358986
ネットワークパラメーターの分布
mean=-28.73828125 std=25.236358642578125
mean=-0.008272610604763031 std=3.403104782104492
mean=2393.875 std=2724.99560546875
mean=-0.28839111328125 std=6.238932132720947
mean=-3544.3125 std=5507.46826171875
mean=7.1484375 std=32.2811393737793
mean=5246.0 std=nan
mean=6.15625 std=48.83686447143555
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-2024-01-14 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2422(53.7%) 後手勝ち2086(46.3%) 引き分け492
engine1
勝ち2050(45.5% R-28.4 +-9.7) 先手勝ち1110(24.6%) 後手勝ち940(20.9%)
宣言勝ち124 先手宣言勝ち60 後手宣言勝ち64 先手引き分け245 後手引き分け247
engine2
勝ち2458(54.5%) 先手勝ち1312(29.1%) 後手勝ち1146(25.4%)
宣言勝ち8 先手宣言勝ち4 後手宣言勝ち4 先手引き分け247 後手引き分け245
2050,492,2458
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-2024-01-14 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2497(53.1%) 後手勝ち2203(46.9%) 引き分け300
engine1
勝ち2567(54.6% R30.2 +-9.7) 先手勝ち1363(29.0%) 後手勝ち1204(25.6%)
宣言勝ち39 先手宣言勝ち19 後手宣言勝ち20 先手引き分け140 後手引き分け160
engine2
勝ち2133(45.4%) 先手勝ち1134(24.1%) 後手勝ち999(21.3%)
宣言勝ち39 先手宣言勝ち22 後手宣言勝ち17 先手引き分け160 後手引き分け140
2567,300,2133
学習ロスと検証ロスは、モーメンタムありのほうが低くなった。
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、モーメンタム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、モーメンタムなしと比べ、平均値が 0.0 に近かった。
レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R28.4 低く、有意な差があった。また、モーメンタムなしのものと比べて R30.2 高く、有意な差があった。
考察
学習ロスと検証ロスが、モーメンタムありのほうが低くなった理由として、学習データの教師信号のノイズが平均化され、勾配が滑らかになった可能性と、慣性により局所最適解から抜け出した可能性が考えられる。ただし、これらを定量的に評価する方法は思いつかない。
ネットワークパラメーターの重みの平均値が 0.0 に近かった理由は分からなかった。
レーティングが勾配の正規化なしのものと比べて高かったのは、より学習データに近づけることができたためだと思う。
まとめ
nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させた。 その際、学習の際、モーメンタムを使用した。
レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R28.4 低く、有意な差があった。また、モーメンタムなしのものと比べて R30.2 高く、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高かったのは、より学習データに近づけることができたためだと思う。
次回は、最適過学習手法に Adam を使用して学習させ、レーティングを測定したい。