tanuki- 2024-01-29 nnue-pytorch halfkp_1024x2-8-32 lambda を変更して Fine-tuning

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。
はじめに lambda=1.0 に設定して学習させ、収束後に lambda=0.5 に設定して Fine-Tuning 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)	0.25 収束後 0.025
最適化手法	なし
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	1.0 収束後 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	https://docs.google.com/document/d/1F5RLCleB9QKDNwoIsyOv_TPRZXr5DselzUlwA_rmv90/edit?usp=sharing tanuki-.nnue-pytorch-2024-01-14 tanuki-wcsc32 (マメット・ブンブク)tanuki-wcsc33 (Lí)
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

検証ロス

Fine-tuning あり … 0.2513399218117319

Fine-tuning なし … 0.2554917651230729

ネットワークパラメーターの分布

mean=-31.8017578125 std=28.749479293823242

mean=-0.009312523528933525 std=3.9757001399993896

mean=2876.875 std=3141.6318359375

mean=-0.18328857421875 std=6.049898147583008

mean=-1692.625 std=6140.53271484375

mean=-0.05078125 std=38.739871978759766

mean=1161.0 std=nan

mean=3.90625 std=57.8843994140625

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-2024-01-22 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2410(53.1%) 後手勝ち2129(46.9%) 引き分け461

engine1

勝ち2796(61.6% R74.3 +-9.9) 先手勝ち1469(32.4%) 後手勝ち1327(29.2%)

宣言勝ち31 先手宣言勝ち17 後手宣言勝ち14 先手引き分け229 後手引き分け232

engine2

勝ち1743(38.4%) 先手勝ち941(20.7%) 後手勝ち802(17.7%)

宣言勝ち49 先手宣言勝ち22 後手宣言勝ち27 先手引き分け232 後手引き分け229

2796,461,1743

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-2024-01-22 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2447(53.3%) 後手勝ち2142(46.7%) 引き分け411

engine1

勝ち2625(57.2% R46.2 +-9.7) 先手勝ち1388(30.2%) 後手勝ち1237(27.0%)

宣言勝ち94 先手宣言勝ち49 後手宣言勝ち45 先手引き分け204 後手引き分け207

engine2

勝ち1964(42.8%) 先手勝ち1059(23.1%) 後手勝ち905(19.7%)

宣言勝ち5 先手宣言勝ち1 後手宣言勝ち4 先手引き分け207 後手引き分け204

2625,411,1964

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-2024-01-22 D:\hnoda\tanuki-wcsc33-2023-05-04\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2472(52.4%) 後手勝ち2248(47.6%) 引き分け280

engine1

勝ち2617(55.4% R35.8 +-9.7) 先手勝ち1369(29.0%) 後手勝ち1248(26.4%)

宣言勝ち61 先手宣言勝ち28 後手宣言勝ち33 先手引き分け134 後手引き分け146

engine2

勝ち2103(44.6%) 先手勝ち1103(23.4%) 後手勝ち1000(21.2%)

宣言勝ち6 先手宣言勝ち1 後手宣言勝ち5 先手引き分け146 後手引き分け134

2617,280,2103

学習ロスと検証ロスは、初めは Fine-tuning ありのほうがかなり小さかった。その後、 Fine-tuning なしと同じ程度まで上がった。最終的には Fine-tuning ありのほうが小さかった。

学習ロスと検証ロスの乖離は大きくなかった。

ネットワークパラメーターは、全体的な分布は Fine-tuning と大きくは変わらなかった。ただし、隠れ層第 3 層のバイアスは、 Fine-tuning なしよりかなり大きかった。

レーティングは、 Fine-tuning なしと比べて R74.3 高く、有意な差があった。また、 tanuki-wcsc32-2022-05-06 と比べて R46.2 高く、有意な差があった。さらに、 tanuki-wcsc33-2023-05-04 と比べて R35.8 高く、有意な差があった。

考察

学習ロスと検証ロスが初め小さかったのは、 lambda=1.0 だったためだと思う。 lambda=0.5 の場合、勝敗項との線形和となる。勝敗項は 0.0 または 1.0 をとり、平均すると 0.5 となる。これにより、クロスエントロピーが上がり、ロスが高くなる。一方、 lambda=1.0 の場合、評価値のみを使用するため、クロスエントロピーが下がるのだと思う。

その後上がったのは、 lambda=1.0 の学習が収束したためだと思う。

最終的なロスが Fine-tuning なしより低かったのは、 lambda=1.0 による学習により、局所最適解にハマらなかったためだと思う。

隠れ層第 3 層のバイアスが小さかったのは、 lambda=1.0 で学習させた際に、 lambda=0.5 とくらべて、教師信号が 0.5 付近の学習サンプルが多く、勾配が小さくなったためだと思う。

レーティングが Fine-tuning なしや tanuki-wcsc33/34 と比べて高かったのは、学習データの学習が過去の評価関数より進んだためだと思う。これは最終的なロスが低かったことから推測できると思う。

まとめ

nnue-pytorch を用い、 halfkp_1024x2-8-32 ネットワークを学習させた。はじめに lambda=1.0 に設定して学習させ、収束後に lambda=0.5 に設定して Fine-Tuning した。

レーティングは、 Fine-tuning なしと比べて R74.3 高く、有意な差があった。また、 tanuki-wcsc32-2022-05-06 と比べて R46.2 高く、有意な差があった。さらに、 tanuki-wcsc33-2023-05-04 と比べて R35.8 高く、有意な差があった。レーティングが Fine-tuning なしや tanuki-wcsc33/34 と比べて高かったのは、学習データの学習が過去の評価関数より進んだためだと思う。これは最終的なロスが低かったことから推測できると思う。

次回は、今回作成した評価関数を、 Suishopsv-150m を用いて Fine-tuning したい。