tanuki- 2024-07-30 1 次元カルマンフィルター
実験内容
- nnue-pytorch の Optimizer に 1 次元カルマンフィルターを使用し、学習させ、レーティングを測定する。
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 shogi.2024-07-08.halfkp_512x2-8-96.KalmanFilter |
| 学習モデル | halfkp_512x2-8-96 |
| 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 | 1.0 - 1e-8 |
| 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 |
| 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。 |
| プロセスノイズの分散 | 1e-6 |
| 観測ノイズの分散 | 1e-3 |
レーティング測定
| 対局相手 | https://docs.google.com/document/d/1wCpBATyZs1j3iibk2JSG1xxH_DNbPciXlSd1zfemkjs/edit?usp=sharing tanuki-.nnue-pytorch-2024-06-07.1 |
| 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
Kalman Filter Optimizer … 0.2654854947982296
Momentum SDG … 0.2624786484010759
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=-26.47265625 std=28.871047973632812
mean=-0.007545703090727329 std=4.760261535644531
mean=2465.5 std=1427.38427734375
mean=-0.0135498046875 std=4.91024923324585
mean=-3721.791748046875 std=5061.2431640625
mean=1.625 std=33.70177459716797
mean=-2080.0 std=nan
mean=6.572916507720947 std=48.88369369506836
Fine-tuning
mean=-26.47265625 std=28.871047973632812
mean=-0.007545703090727329 std=4.760261535644531
mean=2464.875 std=1427.9134521484375
mean=-0.0135498046875 std=4.91024923324585
mean=-3721.770751953125 std=5061.259765625
mean=1.625 std=33.70177459716797
mean=-2080.0 std=nan
mean=6.572916507720947 std=48.88369369506836
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 8.30git 64ZEN2 TOURNAMENT YaneuraOu NNUE 8.30git 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-2024-07-20.0 D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-06-07.1
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2316(57.1%) 後手勝ち1741(42.9%) 引き分け943
engine1
勝ち1707(42.1% R-44.9 +-9.7) 先手勝ち1034(25.5%) 後手勝ち673(16.6%)
宣言勝ち35 先手宣言勝ち17 後手宣言勝ち18 先手引き分け399 後手引き分け544
engine2
勝ち2350(57.9%) 先手勝ち1282(31.6%) 後手勝ち1068(26.3%)
宣言勝ち118 先手宣言勝ち73 後手宣言勝ち45 先手引き分け544 後手引き分け399
1707,943,2350
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 8.30git 64ZEN2 TOURNAMENT YaneuraOu NNUE 8.30git 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-2024-07-20.1 D:\hnoda\shogi\eval\tanuki-.nnue-pytorch-2024-06-07.1
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2180(52.1%) 後手勝ち2003(47.9%) 引き分け817
engine1
勝ち1611(38.5% R-67.6 +-9.8) 先手勝ち932(22.3%) 後手勝ち679(16.2%)
宣言勝ち40 先手宣言勝ち20 後手宣言勝ち20 先手引き分け246 後手引き分け571
engine2
勝ち2572(61.5%) 先手勝ち1248(29.8%) 後手勝ち1324(31.7%)
宣言勝ち176 先手宣言勝ち82 後手宣言勝ち94 先手引き分け571 後手引き分け246
1611,817,2572
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 の両方において、 Momentum SDG より高くなった。
自己対局では、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 Momentum SDG に対してレーティングが R44.9 低く、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 Momentum SDG に対してレーティングが R67.6 低く、有意な差があった。
考察
学習ロスと検証ロスが Momentum SDG より高くなった理由は、局所最適解に陥ったためだと思う。ただし、今回の実験からは断定することはできない。
自己対局で Momentum SDG よりレーティングが低くなった理由は、ロスが高く、学習データの性質を十分に学習できなかったためだと思う。
まとめ
nnue-pytorch の Optimizer に 1 次元カルマンフィルターを使用し、学習させ、レーティングを測定した。
自己対局では、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 Momentum SDG に対してレーティングが R44.9 低く、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 Momentum SDG に対してレーティングが R67.6 低く、有意な差があった。 自己対局で Momentum SDG よりレーティングが低くなった理由は、ロスが高く、学習データの性質を十分に学習できなかったためだと思う。
次回は halfkp_1024x2-32-64 ネットワークを学習させ、学習データを生成し、halfkp_512x2-8-96 ネットワークを学習させ、レーティングを測定したい。
