tanuki- 2024-01-21 nnue-pytorch halfkp_1024x2-8-32 Adam
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。
- 最適化手法として Adam 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 | Adam |
| 学習率調整手法 | Warmup + Newbob 風 |
| batch-size | 8192 |
| threads | 8 |
| num-workers | 32 |
| 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/1F5RLCleB9QKDNwoIsyOv_TPRZXr5DselzUlwA_rmv90/edit?usp=sharing tanuki-.nnue-pytorch-2024-01-14 |
| 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
Adam … 0.2583464962718931
モーメンタム … 0.2554917651230729
ネットワークパラメーターの分布
mean=-88.6923828125 std=40.901187896728516
mean=0.356431245803833 std=16.860219955444336
mean=709.875 std=1533.2794189453125
mean=-0.20684814453125 std=3.014765501022339
mean=378.0625 std=2421.078369140625
mean=1.57421875 std=25.17877960205078
mean=1844.0 std=nan
mean=-12.21875 std=56.30833053588867
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-2024-01-19 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2501(54.1%) 後手勝ち2126(45.9%) 引き分け373
engine1
勝ち1827(39.5% R-68.5 +-9.8) 先手勝ち998(21.6%) 後手勝ち829(17.9%)
宣言勝ち88 先手宣言勝ち51 後手宣言勝ち37 先手引き分け204 後手引き分け169
engine2
勝ち2800(60.5%) 先手勝ち1503(32.5%) 後手勝ち1297(28.0%)
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169 後手引き分け204
1827,373,2800
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-2024-01-19 D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-01-14
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2443(53.1%) 後手勝ち2158(46.9%) 引き分け399
engine1
勝ち2100(45.6% R-27.9 +-9.7) 先手勝ち1114(24.2%) 後手勝ち986(21.4%)
宣言勝ち26 先手宣言勝ち15 後手宣言勝ち11 先手引き分け209 後手引き分け190
engine2
勝ち2501(54.4%) 先手勝ち1329(28.9%) 後手勝ち1172(25.5%)
宣言勝ち63 先手宣言勝ち35 後手宣言勝ち28 先手引き分け190 後手引き分け209
2100,399,2501
学習ロスと検証ロスは、初めは Adam のほうが速く下がった。最終的なロスは Adam の方が大きかった。
学習ロスと検証ロスの乖離は、 Adam のほうが大きかった。
ネットワークパラメーターの重みは、 feature transform 層のバイアスは Adam のほうが平均的に大きく、標準偏差も大きかった。 feature transform 層の重みは、 Adam のほうが標準偏差が大きかった。隠れ層第 1 層のバイアスは、 Adam のほうが平均的に小さく、標準偏差も小さかった。隠れ層第 1 層の重みは、 Adam のほうが標準偏差が小さかった。隠れ層第 2 層のバイアスは、 Adam のほうが平均的に小さかった。隠れ層第 2 層の重みは、 Adam のほうが平均も標準偏差もやや小さかった。隠れ層第 3 層のバイアスは、 Adam のほうが小さかった。隠れ層第 3 層の重みは、 Adam のほうが平均は小さく、標準偏差は大きかった。
レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R68.5 低く、有意な差があった。また、モーメンタムのものと比べて R27.9 低く、有意な差があった。
考察
学習ロスと検証ロスが Adam のほうが大きかったのは、過学習によるものだと思う。これは、学習ロスト検証ロスの乖離から推測できる。
過学習が起きたのは、隠れ層第 1 層の重みの標準偏差が大きかったことが原因だと思う。標準偏差が大きかったのは、 Adam の 2 次モーメントの項により、隠れ層第 1 層の小さな勾配が大きな勾配に調整されたことが原因だと思う。
レーティングが Adam のほうが低かったのは、過学習によるものだと思う。
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、最適化手法として Adam を使用した。
レーティングは、 tanuki-wcsc32-2022-05-06 に比べて R68.5 低く、有意な差があった。また、モーメンタムのものと比べて R27.9 低く、有意な差があった。 レーティングが Adam のほうが低かったのは、過学習によるものだと思う。
次回は、一度学習させたあと、ラムダと学習率の値を変えて追加学習させ、レーティングを測定したい。
