tanuki- 2024-03-01 nnue-pytorch halfkp_1024x2-8-32 水匠 5 で生成した入玉将棋の棋譜の混合
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。
- Hao で生成した学習データに、水匠 5 で生成した学習データを混合する。
- 水匠 5 で学習データを生成する際は、 floodgate 上の 2017 年以降の入玉を含む将棋の棋譜から局面をランダムに選び、その局面を開始局面として自己対局させる。
- 学習データの混合作業の都合上、検証データには水匠 5 で生成した学習データは含めない。
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 |
フォルダ名 | tanuki-.halfkp_256x2-32-32.2023-05-08 |
生成ルーチン | tanuki-棋譜生成ルーチン 深さ 9 の思考でレーティングが上がるよう、探索パラメーターを調整している |
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 2017 年以降の棋譜のうち、入玉を含む棋譜を使用した。 |
生成局面数 | 5 億局面 × 1 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 |
フォルダ名 | suisho5.entering_king.2024-02-20 |
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 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。 |
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/1AbaBBbd7ZJ9AlVdL9oFsJqMq_GLEogRZI8LMblkaR5w/edit?usp=sharing tanuki-.nnue-pytorch-2024-02-14 |
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
tanuki-.halfkp_256x2-32-32.2023-05-08+suisho5.entering_king.2024-02-20 … 0.26106551361083985
tanuki-.halfkp_256x2-32-32.2023-05-08 … 0.26124961288576176
ネットワークパラメーターの分布
mean=-30.869140625 std=26.96865463256836
mean=-0.009024830535054207 std=3.827279567718506
mean=5596.25 std=2352.6533203125
mean=-0.51971435546875 std=5.738049030303955
mean=-3181.125 std=7088.650390625
mean=0.84375 std=37.54525375366211
mean=2475.0 std=nan
mean=6.34375 std=53.184165954589844
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-2024-02-28 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2444(53.4%) 後手勝ち2134(46.6%) 引き分け422
engine1
勝ち2485(54.3% R27.3 +-9.7) 先手勝ち1313(28.7%) 後手勝ち1172(25.6%)
宣言勝ち43 先手宣言勝ち25 後手宣言勝ち18 先手引き分け221 後手引き分け201
engine2
勝ち2093(45.7%) 先手勝ち1131(24.7%) 後手勝ち962(21.0%)
宣言勝ち58 先手宣言勝ち26 後手宣言勝ち32 先手引き分け201 後手引き分け221
2485,422,2093
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-2024-02-28 D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-02-14
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2457(54.7%) 後手勝ち2032(45.3%) 引き分け511
engine1
勝ち2320(51.7% R10.5 +-9.6) 先手勝ち1271(28.3%) 後手勝ち1049(23.4%)
宣言勝ち91 先手宣言勝ち49 後手宣言勝ち42 先手引き分け244 後手引き分け267
engine2
勝ち2169(48.3%) 先手勝ち1186(26.4%) 後手勝ち983(21.9%)
宣言勝ち33 先手宣言勝ち15 後手宣言勝ち18 先手引き分け267 後手引き分け244
2320,511,2169
学習ロスと検証ロスは、 tanuki-.halfkp_256x2-32-32.2023-05-08+suisho5.entering_king.2024-02-20 のほうが低くなった。
学習率が下がるタイミングは、 tanuki-.halfkp_256x2-32-32.2023-05-08+suisho5.entering_king.2024-02-20 のほうが遅かった。
レーティングは、 tanuki-.nnue-pytorch-2024-01-22 に対しては R27.3 高く、有意な差があった。また、宣言勝ちの回数は 43 対 58 で、やや少なかった。 tanuki-.nnue-pytorch-2024-02-14 に対しては R10.5 高く、有意な差があった。また、宣言勝ちの回数は 91 対 33 と、大きく上回った。
考察
学習ロスが低くなったのは、 suisho5.entering_king.2024-02-20 を混ぜたためだと思う。 suisho5.entering_king.2024-02-20 には入玉の局面が多く含まれている。それらの局面の評価値の絶対値は大きいことが多い。評価値の絶対値が大きい場合、交差エントロピーの値が大きくなる。
検証ロスが低くなった理由は分からなかった。 suisho5.entering_king.2024-02-20 を混ぜたことにより、局所最適解に陥りにくくなったことが原因の可能性がある。
レーティングが tanuki-.nnue-pytorch-2024-01-22 に対して優位に高かったのは、 Hao で生成した学習データを使用していたためだと思う。 Hao は水匠 5 よりレーティングが高いため、学習データの室が良くなったのだと思う。
宣言勝ち回数が tanuki-.nnue-pytorch-2024-01-22 に比べてやや少なかったのは、水匠 5 で生成した学習データのみを使ったわけではないためだと思う。水匠 5 で生成した学習データの割合を増やすことで、宣言勝ちの回数の割合を、より近くまで引き上げることができると思う。ただ、今回の結果でも、実用上は十分だと思う。
レーティングが tanuki-.nnue-pytorch-2024-02-14 に対して有意に高かった理由は、検証ロスが下がったためだと思う。
宣言勝ち回数が tanuki-.nnue-pytorch-2024-02-14 に対して大幅に上回ったのは、 suisho5.entering_king.2024-02-20 により、入玉将棋における中段玉の判断の精度が向上したためだと思う。
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、 Hao で生成した学習データに、水匠 5 で生成した学習データを混合した。水匠 5 で学習データを生成する際は、 floodgate 上の 2017 年以降の入玉を含む将棋の棋譜から局面をランダムに選び、その局面を開始局面として自己対局させた。また、学習データの混合作業の都合上、検証データには水匠 5 で生成した学習データは含めなかった。
レーティングは、 tanuki-.nnue-pytorch-2024-01-22 に対しては R27.3 高く、有意な差があった。また、宣言勝ちの回数は 43 対 58 で、やや少なかった。 tanuki-.nnue-pytorch-2024-02-14 に対しては R10.5 高く、有意な差があった。また、宣言勝ちの回数は 91 対 33 と、大きく上回った。
レーティングが tanuki-.nnue-pytorch-2024-01-22 に対して優位に高かったのは、 Hao で生成した学習データを使用していたためだと思う。 Hao は水匠 5 よりレーティングが高いため、学習データの室が良くなったのだと思う。
宣言勝ち回数が tanuki-.nnue-pytorch-2024-01-22 に比べてやや少なかったのは、水匠 5 で生成した学習データのみを使ったわけではないためだと思う。水匠 5 で生成した学習データの割合を増やすことで、宣言勝ちの回数の割合を、より近くまで引き上げることができると思う。ただ、今回の結果でも、実用上は十分だと思う。
レーティングが tanuki-.nnue-pytorch-2024-02-14 に対して有意に高かった理由は、検証ロスが下がったためだと思う。
宣言勝ち回数が tanuki-.nnue-pytorch-2024-02-14 に対して大幅に上回ったのは、 suisho5.entering_king.2024-02-20 により、入玉将棋における中段玉の判断の精度が向上したためだと思う。
次回は、学習高速化のため、バッチサイズを増やして学習させ、レーティングにリグレッションがあるかどうかを実験したい。