GitHub ソース、実行ファイルはこちらです。
2021-01-11 過去50万棋譜から過去100万棋譜のサンプリングに変更しました。2835万棋譜、w3077から。
2020-12-28 weightの更新を10000棋譜から34285棋譜ごと(学習回数は32000回)に変更しました。2670万棋譜、w3022から。
2020-12-11 v1.9 先手番で相手を詰せたときに勝ち(+1)でなく負け(-1)がNNの出力として返るのを修正しました。
2020-12-06 weight_decay(正則化)を 0.0002 から 0.00004 に変更しました。2398万棋譜、w2750から。2400万棋譜に到達しますが、もうしばらく学習条件の変更をしてみたいと思います。
更新履歴
| 過去1時間のユーザ数 | 4人、 | 4464棋譜 |
| 過去1日間のユーザ数 | 7人、 | 79159棋譜 |
| 過去 1000棋譜の平均手数 | 83.8手, | 先手勝率 0.540, | 引分率 0.085 |
| 過去 100万棋譜の平均手数 | 89.6手, | 先手勝率 0.555, | 引分率 0.160 |
AobaZero 1手800playout 対 Kristallweizen 1手500kノード。互角定跡集で先後入れ替え、合計800局で計測。
ノイズを含まない自己対戦の棋譜 ページの先頭が最新のweight同士の棋譜です。
序盤の手の変遷を見ることができます。
1万棋譜追加されるごとの自己対戦の棋譜 ページの先頭が最新の棋譜です。1日おきに更新予定。
上の棋譜は自己対戦の学習中の棋譜で「序盤30手まではひどい悪手を指す」ことがあります。
また「Rootの手にノイズを加えて最善手でない手でも選びやすい」ようになっています。
序盤30手まででひどい悪手を指してる場合はコメントで確認できます。
例えば、下なら本来なら△23歩打、が最善なのですが、4/800 の確率で△31銀を指してます。
-4231GI,'800,0023FU,731,1314FU,23,5152OU,7,4231GI,4
(乱数の影響で短手数で終わる将棋があるので80手以上の棋譜から選んでいます)。
現時点での強化学習で作成した棋譜です。
xz形式で圧縮されています。1つ100MBぐらいです。2週間ごとぐらいで最新版を追加します。
arch000000000000.csa.xz から arch000014300000.csa.xz まで。
棋譜の no000000000000.csa から no000000121031.csa まではニューラルネットワークを使わずにプログラムが乱数をPolicy,Valueに与えて800playoutで作った棋譜です。 実際にニューラルネットを使った棋譜は no000000121032.csa 以降になります。 no000001017999.csa までは 64x15block、過去10万棋譜からのサンプリングで作った棋譜です。 no000001018000.csa からは 256x20block、過去50万棋譜からのサンプリングで作ってます。ネットワークの重み
w000000000001.txt.xz から w000000001782.txt.xz まで。
w448まではネットワークのサイズは 64 x 15 block です。w449から 256 x 20 block です。
w001 ... 64x15b,minibatch 64, 学習率 0.01, wd 0.00005, momentum 0.9, 120000棋譜 w156 ... 64x15b,minibatch 64, 学習率 0.001, wd 0.00005, momentum 0.9, 430000棋譜 w449 ... 256x20b,minibatch 64, 学習率 0.01, wd 0.0002, momentum 0.9, 1018000棋譜 w465 ... 256x20b,minibatch 64, 学習率 0.001, wd 0.0002, momentum 0.9, 1180000棋譜 w775 ... 256x20b,minibatch 4096, 学習率 0.02, wd 0.0002, momentum 0.9, 4220000棋譜 w787 ... 256x20b,minibatch 128, 学習率 0.0002, wd 0.0002, momentum 0.9, 4340000棋譜 w1450 ... 256x20b,minibatch 128, 学習率 0.00002, wd 0.0002, momentum 0.9, 10980000棋譜 w2047 ... 256x20b,minibatch 128, 学習率 0.000002,wd 0.0002, momentum 0.9, 16948000棋譜 w2750 ... 256x20b,minibatch 128, 学習率 0.000002,wd 0.00004, momentum 0.9, 23982000棋譜 w3022 ... 256x20b,minibatch 128, 学習率 0.000002,wd 0.00004, momentum 0.9, 26706447棋譜 w3077 ... 256x20b,minibatch 128, 学習率 0.000002,wd 0.00004, momentum 0.9, 28352543棋譜 w448までは 2000棋譜ごと( 4000回学習ごと)にweightを更新。 w449からは10000棋譜ごと(20000回学習ごと)にweightを更新。 w787からは10000棋譜ごと(10000回学習ごと)にweightを更新。 w3022からは34285棋譜ごと(32000回学習ごと)にweightを更新。 w3077からは過去100万棋譜からサンプリング(今までは過去50万棋譜)。