tanuki- 2024-02-21 nnue-pytorch halfkp_1024x2-8-32 入玉ボーナス (2)
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。
- 学習データの読み込み時、入玉していた場合の評価値のボーナスを、前回の 2 倍にする。
- 入玉時、持ち駒および敵陣三段目までに侵入している駒について、小駒 1 枚につき 20 点、大駒 1 枚につき 100 点、敵陣三段目までに侵入している駒 1 枚につき 20 点追加する。
棋譜生成
生成ルーチン | tanuki-棋譜生成ルーチン |
評価関数 | Hao (tanuki-.halfkp_256x2-32-32.2023-05-08) |
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。戦型が角換わりの対局が 10% になるよう調整した。 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 |
入玉ボーナス | 入玉時、持ち駒および敵陣三段目までに侵入している駒について、小駒 1 枚につき 10 点、大駒 1 枚につき 50 点、敵陣三段目までに侵入している駒 1 枚につき 10 点追加する。 |
レーティング測定
対局相手 | https://docs.google.com/document/d/1mTWCV4d3WJEwbDNAIQDIcy77R2oRG0UE7rgd1fV8KXw/edit?usp=sharing tanuki-.nnue-pytorch-2024-01-22 https://docs.google.com/document/d/1-C636vmDdw61N0w536jKR74g4YvD4MyKIeu3vmHyVpA/edit?usp=sharing tanuki-.nnue-pytorch-2024-01-31 |
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
入玉ボーナス (2) … 0.26124961288576176
入玉ボーナス (1) … 0.2613000047885307
ネットワークパラメーターの分布
mean=-30.5439453125 std=27.475788116455078
mean=-0.008883885107934475 std=3.8584723472595215
mean=3064.5 std=2628.400390625
mean=-0.2987060546875 std=5.779980659484863
mean=-2891.71875 std=7352.70556640625
mean=2.44921875 std=39.38703536987305
mean=3586.0 std=nan
mean=9.125 std=51.75422668457031
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-2024-02-14 D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-01-22
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2485(53.8%) 後手勝ち2131(46.2%) 引き分け384
engine1
勝ち2550(55.2% R33.7 +-9.7) 先手勝ち1354(29.3%) 後手勝ち1196(25.9%)
宣言勝ち28 先手宣言勝ち10 後手宣言勝ち18 先手引き分け211 後手引き分け173
engine2
勝ち2066(44.8%) 先手勝ち1131(24.5%) 後手勝ち935(20.3%)
宣言勝ち54 先手宣言勝ち18 後手宣言勝ち36 先手引き分け173 後手引き分け211
2550,384,2066
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-2024-02-14 D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-01-31
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2478(55.3%) 後手勝ち2001(44.7%) 引き分け521
engine1
勝ち2318(51.8% R10.9 +-9.6) 先手勝ち1285(28.7%) 後手勝ち1033(23.1%)
宣言勝ち86 先手宣言勝ち51 後手宣言勝ち35 先手引き分け250 後手引き分け271
engine2
勝ち2161(48.2%) 先手勝ち1193(26.6%) 後手勝ち968(21.6%)
宣言勝ち74 先手宣言勝ち38 後手宣言勝ち36 先手引き分け271 後手引き分け250
2318,521,2161
学習ロスと検証ロスは、入玉ボーナスを 2 倍にしたほうが低くなった。
学習率が下がるタイミングは、入玉ボーナスを 2 倍にしたほうが早かった。
レーティングは、 水匠 5 で生成した学習データで学習させた評価関数に対して R33.7 高く、有意な差があった。ただし、宣言勝ちの回数は、 水匠 5 で生成した学習データで学習させた評価関数のほうが 2 倍近く多かった。また、入玉ボーナス 1 倍で学習させた評価関数に対して R10.9 高く、有意な差があった。 宣言勝ちの回数は、入玉ボーナス 1 倍で学習させた評価関数に対してやや多かった。
考察
学習ロスと検証ロスが、入玉ボーナス 2 倍のもののほうが低くなった理由は、教師データの評価値の絶対値の平均値が上がり、クロスエントロピーが下がったためだと思う。
学習率が下がるタイミングが、入玉ボーナス 2 倍のもののほうが早かった理由は、分からなかった。
水匠 5 との対局の宣言勝ちの回数が、入玉ボーナス 1 倍のものとあまり変わらなかったのは、今回加えた入玉ボーナスでは、これ以上倍率を上げても、入玉将棋に対する効果が薄いことを表していると思う。これ以上対策を行うのであれば、水匠 5 で生成した入玉将棋の学習データを混ぜる等が考えられる。
入玉ボーナス 1 倍で学習させた評価関数に対して有意にレーティングが高かった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、学習データの読み込み時、入玉していた場合の評価値のボーナスを、前回の 2 倍にした。
レーティングは、 水匠 5 で生成した学習データで学習させた評価関数に対して R33.7 高く、有意な差があった。ただし、宣言勝ちの回数は、 水匠 5 で生成した学習データで学習させた評価関数のほうが 2 倍近く多かった。また、入玉ボーナス 1 倍で学習させた評価関数に対して R10.9 高く、有意な差があった。 宣言勝ちの回数は、入玉ボーナス 1 倍で学習させた評価関数に対してやや多かった。
水匠 5 との対局の宣言勝ちの回数が、入玉ボーナス 1 倍のものとあまり変わらなかったのは、今回加えた入玉ボーナスでは、これ以上倍率を上げても、入玉将棋に対する効果が薄いことを表していると思う。これ以上対策を行うのであれば、水匠 5 で生成した入玉将棋の学習データを混ぜる等が考えられる。
次回は、水匠 5 で生成した入玉将棋の学習データを混ぜて学習させ、レーティングと入玉回数を調べたい。