nodchipのコンピューター将棋ブログ

コンピューター将棋ソフト「tanuki-」シリーズの実験結果を掲載しています。

tanuki- 2024-05-08 halfkp_1024x2-8-96

将棋 コンピュータ将棋

 

tanuki- 2024-05-08 halfkp_1024x2-8-96

実験内容

    • halfkp_1024x2-8-96 ネットワークを学習させ、レーティングを測定する。
      • ランダムパラメーターからの学習には、 Hao を用いて生成した学習データを用いる。
      • Fine-tuning に Fine-tuning Suisho10Mn_psv を学習データとして用いる。

棋譜生成

ランダムパラメーターから学習させる際の学習データ

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

シャッフル条件

ランダムパラメータから学習させる際の学習データ

生成ルーチン tanuki-シャッフルルーチン
qsearch() あり
置換表 無効
min_progress 0.0

Fine-tuning に用いる学習データ

生成ルーチン tanuki-シャッフルルーチン
qsearch() あり
置換表 無効
min_progress 0.1

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.2024-05-03.halfkp_1024x2-8-96
学習モデル halfkp_1024x2-8-96
学習手法 ミニバッチ SGD
初期学習率 (lr) 0.5 収束後 0.05
最適化手法 なし
学習率調整手法 Warmup + Newbob 風
batch-size 16384
threads 8
num-workers 8
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/1eQXQbNtXU21cLqbevO_UakiaM4P90ktNUvdQtROdki4/edit?usp=sharing tanuki-.nnue-pytorch-2024-04-26
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

ランダムパラメーターからの学習

検証ロス

halfkp_1024x2-8-96 … 0.2610047270867129

halfkp_1024x2-8-64 … 0.2610738826874763

Fine-tuning

ネットワークパラメーターの分布

ランダムパラメーターからの学習

mean=-29.0390625 std=25.72830581665039

mean=-0.008284901268780231 std=3.917185068130493

mean=3188.0 std=2172.076171875

mean=-0.0079345703125 std=5.468062877655029

mean=-3844.916748046875 std=6617.4931640625

mean=0.9088541865348816 std=36.937801361083984

mean=-1438.0 std=nan

mean=0.8125 std=50.5482177734375

Fine-tuning

mean=-29.0390625 std=25.72830581665039

mean=-0.008284885436296463 std=3.917185068130493

mean=3188.875 std=2172.642333984375

mean=-0.00775146484375 std=5.468080043792725

mean=-3845.020751953125 std=6617.43212890625

mean=0.9088541865348816 std=36.937801361083984

mean=-1446.0 std=nan

mean=0.8125 std=50.5482177734375

ベンチマーク

halfkp_1024x2-8-96

Total time (ms) : 60004

Nodes searched : 59430675

Nodes_searched/second : 990445

halfkp_1024x2-8-64

Total time (ms) : 60004

Nodes searched : 61009382

Nodes_searched/second : 1016755

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\bishop_exchange.2023-06-25.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-2024-05-03.0 D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-04-26

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2226(53.8%) 後手勝ち1913(46.2%) 引き分け861

engine1

勝ち2155(52.1% R11.9 +-9.6) 先手勝ち1255(30.3%) 後手勝ち900(21.7%)

宣言勝ち40 先手宣言勝ち25 後手宣言勝ち15 先手引き分け236 後手引き分け625

engine2

勝ち1984(47.9%) 先手勝ち971(23.5%) 後手勝ち1013(24.5%)

宣言勝ち91 先手宣言勝ち34 後手宣言勝ち57 先手引き分け625 後手引き分け236

2155,861,1984

 

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\bishop_exchange.2023-06-25.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-2024-05-03.1 D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-04-26

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2304(55.2%) 後手勝ち1873(44.8%) 引き分け823

engine1

勝ち1960(46.9% R-17.9 +-9.6) 先手勝ち1148(27.5%) 後手勝ち812(19.4%)

宣言勝ち51 先手宣言勝ち33 後手宣言勝ち18 先手引き分け288 後手引き分け535

engine2

勝ち2217(53.1%) 先手勝ち1156(27.7%) 後手勝ち1061(25.4%)

宣言勝ち112 先手宣言勝ち49 後手宣言勝ち63 先手引き分け535 後手引き分け288

1960,823,2217

 

学習ロスと検証ロスは、ランダムパラメーターからの学習、 Fine-tuning 共に、 halfkp_1024x2-8-64 より低くなった。

ベンチマークは halfkp_1024x2-8-64 に比べて 2% 程度遅かった。

自己対局は、ランダムパラメーターから学習させたネットワークパラメーターは、 halfkp_1024x2-8-64 に対してレーティングが R11.9 高く、有意な差があった。また Fine-tuning したネットワークパラメーターは、 halfkp_1024x2-8-64 に対してレーティングが R17.9 低く、有意な差があった。

考察

学習ロスと検証ロスが halfkp_1024x2-8-64 より低くなった理由は、隠れ層第 3 層のチャンネル数が増え、表現力が増したためだと思う。

ベンチマークが halfkp_1024x2-8-64 に比べて遅かった理由は、隠れ層第 3 層のチャンネル数が増え、演算回数が増えたためだと思う。

ランダムパラメーターから学習させたネットワークパラメーターが、自己対局でレーティングが高くなった理由は、ロスが下がり、学習データの内容をより学習したためだと思う。 Fine-tuning したネットワークパラメーターが、自己対局でレーティングが低くなった理由は、学習データに対する過学習だと思う。

まとめ

halfkp_1024x2-8-96 ネットワークを学習させ、レーティングを測定した。ランダムパラメーターからの学習には、 Hao を用いて生成した学習データを用いた。 Fine-tuning に Fine-tuning Suisho10Mn_psv を学習データとして用いた。

自己対局は、ランダムパラメーターから学習させたネットワークパラメーターは、 halfkp_1024x2-8-64 に対してレーティングが R11.9 高く、有意な差があった。また Fine-tuning したネットワークパラメーターは、 halfkp_1024x2-8-64 に対してレーティングが R17.9 低く、有意な差があった。

ランダムパラメーターから学習させたネットワークパラメーターが、自己対局でレーティングが高くなった理由は、ロスが下がり、学習データの内容をより学習したためだと思う。 Fine-tuning したネットワークパラメーターが、自己対局でレーティングが低くなった理由は、学習データに対する過学習だと思う。

次回は halfkp_1024x2-8-128 ネットワークを学習させ、レーティングを測定したい。