- 1 名前：名前は開発中のものです。 mailto:sage [2019/11/23(土) 19:09:58.05 ID:0YM91Vba.net]
- 比較的地味なボードゲーム専用のスレが欲しくて立ててみました。
前スレ
【オセロ,将棋】ボードゲーム Part2【囲碁,War】
https://mevius.5ch.net/test/read.cgi/gamedev/1508056498/
- 125 名前：535 mailto:sage [2020/02/22(土) 17:03:42.93 ID:j5uEDLd9.net]
- キター！素のモンテカルロに勝ち越しました！
黒番 31勝20敗
白番 32勝19敗
- 126 名前：535 mailto:sage [2020/02/22(土) 20:31:10 ID:j5uEDLd9.net]
- モンテカルロが間違える局面で間違いを訂正してそれをDNNに学習させる方法ないかなぁ
- 127 名前：310 mailto:sage [2020/02/22(土) 21:32:51.12 ID:wHsEFeMN.net]
- 間違える局面が特定できているて、間違えた手を訂正できるんなら、
訂正後から対戦再開させて、その棋譜で局面DB更新して、学習するとか。
特定できていなくても、基本強化学習は、対戦→DB更新＆学習の
繰り返しで、徐々に間違いを訂正していく方法。もうちょっと工夫する
ならε-Greedyなどの手法で既存の棋譜の途中で無理やり別の手に
分岐させていく。その手が悪くても、「悪い手である」という認識を学習
させる事ができる。
線形計画だとモデルが上手くできていないと学習が飽和しちゃうけど、
DNNだったらある程度うまく学習してくれるかも。
- 128 名前：535 mailto:sage [2020/02/22(土) 21:53:22.17 ID:j5uEDLd9.net]
- >>127
特定も訂正も現状できてないですね。
それよりひどいバグを発見して>>115で取ったデータが全て台無しになる可能性が…
- 129 名前：535 mailto:sage [2020/02/22(土) 22:00:44.31 ID:j5uEDLd9.net]
- あかん、なんか全然おかしいorz
ちゃんと見直さないと…
- 130 名前：535 mailto:sage [2020/02/22(土) 22:22:49.38 ID:j5uEDLd9.net]
- データ取りからやり直しますorzorzorz
- 131 名前：310 mailto:sage [2020/02/23(日) 00:56:57.70 ID:9FygPBnT.net]
- 間違い探しを続けるうちに、何故Zebraの評価値の方がまともに見えるか問題に
突き当りました。で、評価関数を手数毎に６０種類に分割している事で、学習データ
が不足しているとか、スムージングしていないために、２手前の自分の番の盤面との
差分が取れないとかの問題があるのかなぁと思い立ちまして…。
また、４対称採用した事で学習時間も４倍になってしまいまして…。
思い切って、評価関数を１つにまとめてみたらどうだろうと思い立って、専用の学習
プロジェクトを作ってやってみました。通常数百回学習しないとまともな学習ができ
ないのですが、２０回学習したところで、意外とフィットしてしまいました。学習時間も
少し減ってる気がする。
一旦評価関数の癖を変えたほうが強化学習も進むかなと思い、とりあえず本番採用
してみました。気持ち速度も速くなった気がしています。もっとも、評価関数の学習具合
によってαβのorderingも変わって速度が変わったりするので、今後学習を積み重ね
て、過学習気味になったりした時にどうなるのかは不明。
これから数日動かしてみて、良かったらこっちにしようかと思います。強いオセロAIを
作るのなら、対戦してどっちが強いとかやるのが本来なのですが、特にそういう目標も
現状あるわけでなし（汗
- 132 名前：310 mailto:sage [2020/02/23(日) 01:08:08.23 ID:9FygPBnT.net]
- >>127に捕捉しとくと、
自分はGreedyな手法の精度をあげるために、浅い探索（９手）と組み合わせて、
評価値が少しだけ悪い手とか、Book登録ないのに評価値が良いとか、いくつかの
基準の訂正ロジックを作って、明らかに悪い手を排除したGreedy法をとって、
既存の棋譜に対して順次分岐を生成していく事で、Bookを埋めて行っています。
分岐は１３手読みで作成していますが、この分岐も間違いがそれなりにあるため、
間違いを積み上げているのではないかという懸念もあります（汗
オセロの場合、黒白両者とも最善の場合、引き分けに収束する可能性が濃厚なため
初手から最善引き分けとなるツリーについては、先頭側からこのGreedy法で分岐を
生成し、また（後ろから）確定読み切りを優先して実行する事で、引き分け手順だけ
優先的に精度を上げています。
評価関数作るのに、こういう制約をつけた方法が良いのかは不明です。現に極端に
形勢が傾いた盤面の読み切りは、学習データが不足しているために、引き分け盤面
よりずっと時間がかかるように感じています。
- 133 名前：310 mailto:sage [2020/02/23(日) 03:01:39.99 ID:9FygPBnT.net]
- げげ。>>131の奴、本番に入れて学習させたらうまく動かん…。
原因箇所は特定できたけど、そもそもBook分だけで学習していて、後半の棋譜から
教師データ作ってなかったので、件数が大幅に違う。後ろ１５手分が抜けている。
が、これが入ると学習の途中で無限ループに入ってしまう。
何かのオーバフローなんだと思うけど、今は原因不明orz
- 134 名前：310 mailto:sage [2020/02/23(日) 10:00:35.35 ID:9FygPBnT.net]
- たぶんなおった。
学習の進行具合インジケータの＊印の数を作るところでオーバーフローして
延々と＊を表示し続けてるだけだったｗ
こういうところで適当にint使っているのがいかん。
と、怪しそうなところをsize_tに直したら、整合性が取れなくなってワーニングの嵐ｗ
適当にsize_tにすればよいというものでもなかったｗ
- 135 名前：535 mailto:sage [2020/02/23(日) 22:36:15.39 ID:xJvwRHu1.net]
- オーバーフローが嫌だからついlong longを使ってしまうｗ
メモリ余計に食うけど。
- 136 名前：535 mailto:sage [2020/02/24(月) 18:53:46 ID:S84dSY4F.net]
- タイルゲーム、完全解析した後でもそれなりに楽しめる不思議。自力では勝てないからな。
そういやconnect4より複雑で完全解析されててネットで遊べるゲームってなにかあるのかな？
- 137 名前：535 mailto:sage [2020/02/25(火) 20:37:07.39 ID:10rOW9ls.net]
- データ取りなおしたので再度DNN学習させてみます。
ついでにネットワーク少し大きくしてみます。
- 138 名前：535 mailto:sage [2020/02/26(水) 20:24:56 ID:LbNvrAvP.net]
- なんかDNNほぼ最悪の手を打つんだが…
真逆の学習させちまったか？
- 139 名前：535 mailto:sage [2020/02/26(水) 20:40:14 ID:LbNvrAvP.net]
- 試しに評価値に*-1してみたがやっぱり悪い手を打つ。
真逆ってわけでもないのか？
わけわからん
- 140 名前：535 mailto:sage [2020/02/26(水) 20:50:37.02 ID:LbNvrAvP.net]
- モンテカルロ木探索の部分が間違ってたっぽい
- 141 名前：535 mailto:sage [2020/02/26(水) 21:22:57 ID:LbNvrAvP.net]
- うーん、なんかアルファ碁Leeみたいに、数手前の手順を学習データとして食わせるといいかもなぁ。
石がぶつかってる時の判断がちょっとおかしいんだよなぁ
- 142 名前：535 mailto:sage [2020/02/26(水) 21:35:19 ID:LbNvrAvP.net]
- もうヒューリスティックもモリモリ入れちゃおうかなぁ
- 143 名前：535 mailto:sage [2020/02/27(木) 19:12:50 ID:7f4H7cqb.net]
- お、微妙に勝ち越している。
でも微妙すぎｗ
- 144 名前：535 mailto:sage [2020/02/27(木) 21:11:32 ID:7f4H7cqb.net]
- 先制攻撃を仕掛ける体制が整っているかどうかの判定が今後の課題ですね。
- 145 名前：535 mailto:sage [2020/03/01(日) 21:57:12 ID:X+Ti9n7n.net]
- 先制攻撃を仕掛けた時に反撃で逆に取られる確率とか学習させたら駄目かなぁ？
- 146 名前：535 mailto:sage [2020/03/02(月) 06:27:35.74 ID:Td8MIT1I.net]
- ある局面に対し、それぞれの点が黒の地になる確率のベクタを返すようにDNNを学習したらどうだろう？
- 147 名前：535 mailto:sage [2020/03/03(火) 21:11:27.98 ID:PL4UDoSq.net]
- 前回はスコア差を評価値に学習させましたが、今回は勝率で学習させてみます。
結局セオリー通りがいいのかもしれないので。
ホントはスコア最大化はぜひともやりたいんだけど。
- 148 名前：535 mailto:sage [2020/03/04(水) 20:23:35.42 ID:Q7ItuMwb.net]
- 勝率で学習させたら黒番は勝ち越してますが、白番は負け越してますね。
白番でも勝てると思いましたが。
- 149 名前：535 mailto:sage [2020/03/04(水) 20:44:28.42 ID:Q7ItuMwb.net]
- うお、バグ発見ｗ
DNNが全く働いてなかったｗｗ
黒番で勝ち越したのはたまたまやなこれは。
- 150 名前：535 mailto:sage [2020/03/04(水) 21:10:05 ID:Q7ItuMwb.net]
- うーん、石をくっつけて打つなぁ
もっとばらけさせたほうがいいと思うんだけど。
- 151 名前：535 mailto:sage [2020/03/04(水) 21:14:38 ID:Q7ItuMwb.net]
- うーん、石がくっついているか離れているか標準偏差のようなものを出して学習パラメータに渡すとか
- 152 名前：535 mailto:sage [2020/03/04(水) 21:17:15 ID:Q7ItuMwb.net]
- ホントはあんま手動で特徴量出そうとするのよくないアイディアなんだろうけど。
- 153 名前：535 mailto:sage [2020/03/04(水) 21:43:12 ID:Q7ItuMwb.net]
- 結局モンテカルロの勝率データだけだとだめっぽくて、いろんな戦略の中からより良いものを探すようにしたいなぁ
- 154 名前：535 mailto:sage [2020/03/04(水) 22:34:42 ID:Q7ItuMwb.net]
- あれ、黒番、白番ともダブルスコアで勝ち越してる？？
まだ対局数少ないからあれだけど。
- 155 名前：310 mailto:sage [2020/03/04(水) 22:39:44.37 ID:XCbeW9Ri.net]
- 自分は、最近、学習効率アップさせようと入れていたヒューリスティックなロジックは
見つけ次第外す方向だったりします。
棋譜作成の元ネタだけは、結構たくさん手動で追加していますが、見つけ次第追加
みたいなやり方で、偏りが出そうな気がするのと、手動追加だと入力ミスも結構あって
面倒なので、どこかで後続棋譜が少ない手順を順次自動で追加していくようにしちゃ
おうかなと思ったりしています。ただ、本当に見てるだけになっちゃうのがちょっと嫌。
そんな事より、棋譜作成のペースが速すぎて、逆順での読み切り（スコア確定）が
追い付かない。
- 156 名前：535 mailto:sage [2020/03/05(木) 20:28:15.73 ID:P4JeNRVF.net]
- 黒番 188勝 48敗
白番 176勝 55敗
めっちゃ勝ってる！！
- 157 名前：535 mailto:sage [2020/03/05(木) 20:45:33.61 ID:P4JeNRVF.net]
- 結局ポスグレ全く使ってないというｗ
ま、当面ポスグレは保留かなぁ
- 158 名前：535 mailto:sage [2020/03/05(木) 21:05:27 ID:P4JeNRVF.net]
- とりあえず、この新しいAIで勝率データ取りなおして更に学習させるスパイラルへもっていくか。
- 159 名前：535 mailto:sage [2020/03/06(金) 20:19:27.94 ID:1GJjUnMY.net]
- うお、人間(俺)に勝った!
まぐれっぽいけど
- 160 名前：310 mailto:sage [2020/03/06(金) 21:29:36.82 ID:76Zol1eh.net]
- 小人閑居して不善をなす…
評価関数の学習周りをいじっていたら、学習エラーが大きく（４〜５倍）なってしまった。
オプティマイザーをAdamにしてみたのが悪かったのか（バグ？）、それとも他にいじった
ところが悪かったのか。オプティマイザーを戻して、追加学習してみたけど、全然もとに
戻らない。
と言いながら、色々と溜まっていた懸案も機能追加してしまった。
結局、どうにも直らないのでウェイトを一旦クリアしてRMSpropで再学習してる最中です。
明日の朝にはまともになっているかなぁ。
- 161 名前：310 mailto:sage [2020/03/06(金) 21:39:02.84 ID:76Zol1eh.net]
- 行列パッケージEigenにユーザ拡張のサポート無し機能がいくつか追加されていて、
その中にTensorクラスがある事に気づいた。
速度は期待できないけど、もう一度DCNNやってみようかなぁ。
つか、もう一台PCがあれば、棋譜が既にあるので、テストできるんだよなぁ。
- 162 名前：310 mailto:sage [2020/03/06(金) 22:53:37 ID:76Zol1eh.net]
- RMSpropで一から学習しなおしで、もうすぐ２０エポックだけど、順調な感じ。
前回同様２０回＋αも回せば結構よいところに行きそうな感じ。
おかしかった時は、もともとの場所から離れて、変な局所解にトラップされていた
ような感じになっていたんだよなぁ。現状のAdamのコードにバグがあるのか調べ
たいけど、もともと参考にしたサイトが見つからない。今見つかるやつはChainerの
類の疑似コードらしく、ちょっとやそっとでは解読できないレベルの記号の羅列orz
- 163 名前：535 mailto:sage [2020/03/07(土) 01:06:05 ID:NIcvsU6/.net]
- モンテカルロ＋ヒューリスティックAIにも勝利！！
いい感じだ。
- 164 名前：535 mailto:sage [2020/03/07(土) 21:53:01 ID:NIcvsU6/.net]
- あーもう、計算時間かかりすぎ！
あと3〜4日は計算回さないとデータが集まらない。
こんなときスレッドリッパー3990xがあれば…
- 165 名前：535 mailto:sage [2020/03/07(土) 22:30:53.08 ID:NIcvsU6/.net]
- ぶっちゃけ1週間かかる計算が1日で終わるとしたら3990x買うのもありなんじゃないか…？？？
金がないけど。
- 166 名前：310 mailto:sage [2020/03/07(土) 22:53:18 ID:6tZRBA6n.net]
- まあまあ。
自分は棋譜作成開始して、既に数年経ってる気がする（汗
途中データ飛んだりしているから、実際はもっと長い。
だんだんコツがわかって収集速度は加速的に高速化してきているけど、
今度はメモリー溢れが恐怖。
- 167 名前：535 mailto:sage [2020/03/10(火) 21:38:55.27 ID:IkE5Ol6x.net]
- データもぼちぼち溜まったしDNN学習に移ります。
- 168 名前：310 mailto:sage [2020/03/11(水) 19:25:55.84 ID:N0CjcdIm.net]
- Eigen UnsupportedのTensorクラスを見つけて、またぞろDCNNに興味が沸いて来ま
した。で、思い出しがてらウェブを眺めていました。前回断念したのは畳み込み層の
計算を行列で行うためのim2colのロジックを高速に行う方法が見つからなかったから
だと思い出しました（汗
しかし、気が付いてしまいました。所詮８×８のマスの定型変換で、汎用性いらないので
６４ビットのローテーションとマスク値とのandというビット演算で、前処理ができてしまい
ます。そのあとで行列に変換すれば良いだけの事でした。つまりim2col関数はいらん。
もう少しDCNNの最新動向をフォローしてから、同じ棋譜を学習させて試してみたいと
思います。
- 169 名前：535 mailto:sage [2020/03/11(水) 20:59:47.72 ID:kvcp7+Sq.net]
- DNN学習、損失もいい感じで減ってきました。
素のモンテカルロとの対戦に移ります。
- 170 名前：535 mailto:sage [2020/03/11(水) 21:02:33.51 ID:kvcp7+Sq.net]
- 実を言えば私は畳み込みはやってないんですな。
全結合でやってます。
- 171 名前：535 mailto:sage [2020/03/11(水) 21:13:45.28 ID:kvcp7+Sq.net]
- お、
黒番 7勝2敗
白番 9勝0敗
これは期待が高まる！！！
- 172 名前：535 mailto:sage [2020/03/11(水) 22:57:19.64 ID:kvcp7+Sq.net]
- 黒番 22勝3敗
白番 20勝5敗
いいね〜いいね〜
- 173 名前：535 mailto:sage [2020/03/11(水) 23:19:03.17 ID:kvcp7+Sq.net]
- そろそろソースコードのバージョン管理とかやったほうがいいのかなぁ
GitHubとか
- 174 名前：310 mailto:sage [2020/03/12(木) 00:31:25.32 ID:CNvjXxHZ.net]
- GitHubとかよーわからんのだけど、コメント適当だったり、変数や関数名の英語が
変だったりするソース公開する度胸ないのを言い訳に、調べようとしていない（汗
- 175 名前：名前は開発中のものです。 mailto:sage [2020/03/12(木) 00:34:39.55 ID:TwK5c7NK.net]
- プライベートプロジェクトにすればいい。昔はパブリックだけプロジェクト数無制限だったけど今はプライベートも無制限。
- 176 名前：310 mailto:sage [2020/03/12(木) 00:39:06 ID:CNvjXxHZ.net]
- 情報ありがとうございます。
ちと調べてみます。
前みたいにソースもデータも丸ごと飛んだら困るので。
- 177 名前：名前は開発中のものです。 mailto:sage [2020/03/12(木) 10:02:43.61 ID:c8m7GwVr.net]
- GitHubの前にGitを使おう
使えるようになってからでいいよ、GitHubは
- 178 名前：535 mailto:sage [2020/03/12(木) 19:58:09.43 ID:so1xRnaL.net]
- ありゃ、
黒番111勝 29敗
白番105勝 33敗
おもったほどじゃなかったorz
- 179 名前：535 mailto:sage [2020/03/13(金) 22:42:10.14 ID:vmr0Tb8m.net]
- 業を煮やしてヒューリスティックを実装した。
さてどうなるか。
- 180 名前：535 mailto:sage [2020/03/13(金) 23:28:51.32 ID:vmr0Tb8m.net]
- ちなみにヒューリスティックの内容は石がぶつかってないときは相手の石からも自分の石からも一間以上離して打つというもの。
- 181 名前：535 mailto:sage [2020/03/14(土) 18:49:30.64 ID:z7EfFQTc.net]
- くそーうまく行かねー
- 182 名前：535 mailto:sage [2020/03/14(土) 23:30:28.50 ID:z7EfFQTc.net]
- あーなんか気が抜けちゃったな
次のアイディアもないし
- 183 名前：310 mailto:sage [2020/03/16(月) 00:36:34.84 ID:FpZgJFeI.net]
- しばらくは棋譜の遡りを優先しようと思っていたのですが、やっぱり暇ができると
どうしても何かやりたくなってしまい、結局序盤中盤の貪欲法絡みのブラッシュアップ
をしてしまい、またまた遡り対象の棋譜を増殖させています（汗。
DLやろうか、将棋AIの勉強しようかと思い立ち、将棋AIの本などを買い込んでつらつら
眺めていたら、実現確率探索なるものを見つけてしまいました。遷移確率は評価値の
Softmaxで作れる気がしています。現在、前方の打ち切りはProbCutでやっていますが、
途中の１つの盤面の評価値が酷い状態だと、その時点で問答無用でカット対象となって
しまう懸念があります。その点、実現確率探索の方が多少ロバストなのかなぁと。逆に、
手が広い局面では探索深さが浅くなってしまう悪影響も想定できます。
とはいえ、中盤探索のロジック自体は多少の改良で済むのですが、置換表使って中盤
探索の結果を終盤探索のオーダリングに使うところは結構修正が必要な気がします。
最悪反復深化をまるっとあきらめなきゃならないかも知れません。あと、なぜか評価値
に＋１〜２程度の手番加算がついたみたいになっている事から、探索深さを揃えられ
ないと、そっちからも悪影響が出る可能性があります。
かなり大幅な変更と、テストが必要なので、ちょっと躊躇しています。
プロジェクト全体コピーして別プロジェクト建てるレベルです。むむむ。
- 184 名前：535 mailto:sage [2020/03/17(火) 21:33:11.60 ID:7xvLqO5q.net]
- DNN評価値の上位7手を初手から全展開するというのをやろうとしたのですが、意外とDNNの計算が重たいですね。
すぐにメモリ溢れるだろうとみていたのですが、牛歩のような計算の進み具合で、溢れるまでかなり時間かかりそうです。
- 185 名前：535 mailto:sage [2020/03/17(火) 22:41:35.63 ID:7xvLqO5q.net]
- 60万局面展開するのに33分かかる。
遅い。
- 186 名前：535 mailto:sage [2020/03/17(火) 22:44:36.96 ID:7xvLqO5q.net]
- DNN使わないと100万局面展開するのに4秒ｗｗｗ
うーむ
- 187 名前：310 mailto:sage [2020/03/18(水) 00:47:20.72 ID:Wk4mfxEa.net]
- 結局、実現確率探索に取り掛かってしまいました（汗
新規ソリューション作ってコピペ始めたところで、いずれ評価関数を整数化したかった
事を思い出して、あちこち修正開始となりました。
一応、普通のDepthバージョンと同じ深さになるように調整して、速度比較してみるつもり。
- 188 名前：535 mailto:sage [2020/03/18(水) 20:17:58.60 ID:4pnoWutQ.net]
- DNNの評価値上位7手を全展開してポスグレに詰めるのを実行に移すべきかどうか迷ってる。
一応そのつもりで８TBのHDDもポスグレも用意したんだけど、あんまりいいアイディアに思えなくなってきたというか。
- 189 名前：310 mailto:sage [2020/03/18(水) 23:45:39.14 ID:Wk4mfxEa.net]
- 実現確率探索の中盤探索、プロトタイプのαβ版を作って癖を見ています。
実現確率は、評価値のSoftmaxで各要素を足して１．０になるように正規化するより、
最大値が１．０になるようにした方が使いやすいです。というのも、最大値をひたすら
追った枝の終了条件が綺麗に決まって最大深さを指定できるようになるからです。
１．０そのままだと終わらないので、例えば０．５にしておくと、深さｎにしたい時は１÷２＾ｎ
が閾値になります。０．１の時は１÷１０＾ｎです。まあ、なんでもよいという事です。
後は各要素の差のつき具合を決める定数を調整すると、評価値が悪い手について、
どこまで探索の深さを確保するのかが決まります。ここが職人的作業なのがネック。
絞ると爆速。∞だと、ただの全幅探索になります。
速度は結構出てるのですが、調整ミスると全くダメみたいな様子が見え隠れしていて、
本当に常に使えるのか、まだ心配です。おそらくProbCutでも同じような問題がおきて
いるんじゃないかと思いますが。
次は置換表ですが、合流が発生した時の実現確率がルートによって違うので、その
時の置換表の評価値を使って良いのか悩みどころです。また、上述のように最大探索
深さを調整できるので、反復進化的に閾値を下げて行く事が可能性です。そうすると、
反復深化的に使いたくなるのが人情ですが、オーダリングにどのように反映するのが
良いのか。これも悩みどころだったりします。
要するにあと１週間くらいは遊べそうです（笑）
- 190 名前：310 mailto:sage [2020/03/18(水) 23:56:29.62 ID:Wk4mfxEa.net]
- あと、裏で棋譜作成進行中ですが、評価関数の学習時に、既存データに対する
エラーが増加を始めて、過学習の傾向を示しているのですが、例えばFFOの盤面
のように教師データ中に現れない盤面に対するエラーは減少しています。
状況的には、極端な石差がついている盤面の評価値が、石差ほどの評価値になって
おらず、じわじわと汎化が進んでいる一方、±０近傍の盤面は既に多いため、過学習
気味になっているのかなぁと推測しています。
とはいえ、非常に気持ち悪いです。
というわけで、ちょっと工夫をして石差が大きい棋譜を優先的に遡りチェック対象にしたり、
新規の自己対局するときに石差が大きくなる（悪い）進行も作るようにする事で、ほんの
少しですが、石差が大きい棋譜が増えるようにしてみました。まあ気休めです。
- 191 名前：310 mailto:sage [2020/03/19(木) 23:17:05 ID:opMYHtHc.net]
- 実現確率探索の中盤探索ができました。置換表と並列処理のところまでです。
反復深化→読み切り処理までです。置換表というか、オーダリング処理を結構修正。
反復深化まではそこそこ機能していますが、置換表経由で読み切り処理の高速化が
性能が出ません。置換表経由で、中盤探索の結果を用いて終盤探索のオーダリング
をするところで、置換表データの不足があったり、オーダリングの間違いが生じて、
無駄な探索をしているように思います。
とすると、これは読み切り処理を前提とすると結構致命的な問題な気がします。
もちろん、まだバグや仕様ミスの可能性もありますが。というわけで、Solver関係には
使えない可能性が出てきました。
また、評価関数で実現確率を導いているので、浅い段階での間違いに対して、探索
対象をロックしてしまいやすく、深く探索していっても間違いがなかなか改まらない
傾向が見受けられます。
まあ、仮にダメでも、新バージョンにする過程で、これまでペンディングしていた細かい
修正ができますし、既存タイプの中盤探索も作ってあるので、このまま進めてみます。
- 192 名前：535 mailto:sage [2020/03/20(金) 23:24:37.61 ID:7lhYYUd2.net]
- DNNの上位7手を幅優先に展開していき200万局面を上限にストップ
展開したものをminmaxで評価値を再計算。
その結果をDNNに学習させようとしています。
ポスグレの出番はいまのところないｗ
- 193 名前：310 mailto:sage [2020/03/21(土) 02:31:57.66 ID:XYOBIhf/.net]
- 実現確率探索で、探索幅広げる方向の反復を試してみましたが効果はあまりなし。
単体で使用するとかなり早いのですが、置換表使った探索との相性がいまいち。
とりあえずSolverまで作って速度計測していますが、既存の反復深化より遅く、反復
深化無しよりは若干早いという感じで、単体の速度を利用して幅を思いっきり広げて
みましたが、こちらは逆に遅くなるという体たらく。
置換表周りでどこか間違いがあるのかなぁという気もしていますが、今のところ不明。
Solver周りでの活用は一旦置いといて、自己対局で使ってみる事にします。
- 194 名前：535 mailto:sage [2020/03/21(土) 17:30:57.63 ID:cG9Ai74P.net]
- メモリ欲しい…
256GBくらい
- 195 名前：535 mailto:sage [2020/03/21(土) 18:19:45.50 ID:cG9Ai74P.net]
- えー駄目だ負けるorz orz orz
なんで駄目なの？？？
- 196 名前：535 mailto:sage [2020/03/21(土) 18:23:26.64 ID:cG9Ai74P.net]
- 今回のはかなり期待してたのにorz orz orz
- 197 名前：535 mailto:sage [2020/03/22(日) 12:02:13 ID:upkGajEt.net]
- 棋譜見ると素のモンテカルロの動きが思っているよりずっといい。
なんでだろう？
- 198 名前：310 mailto:sage [2020/03/28(土) 00:29:51 ID:vtZj/mQ8.net]
- 実現確率探索というか、ソース全体見直し版が、だいたいできました。
まだデバッグ全部済んだわけではありませんが、後はログメッセージなんかの
細かいところくらいの修正かなと。
実現確率探索自体は、棋譜作成にフックを入れる感じでの使用にとどめていますが、
しばらく動かして、結果がよさそうなら切り替えようかなと思います。というか、対戦版
作るときには、中盤探索は実現確率探索で行くと思います。
で、実現確率探索と呼んでいますが、実際のところは違います。本来の実現確率は
「プロ棋譜など別途棋譜集から、よく出てくる手を回帰分析で確率化したもの」で、
よく出る手については深く探索しましょうという内容です。自分の奴は、確率を１手読み
の評価値から生成しています。１手読みにした理由は、差分計算で速く計算できる
からです。というわけで、本来は別の名前にした方が良いのですが、ネーミングセンス
が無いので放置です（笑）
他にも、本来と違う形で実装してるけど、放置してある名前が結構ありますorz
- 199 名前：535 mailto:sage [2020/03/28(土) 21:52:44.02 ID:XqE/6uS7.net]
- 囲碁AIでKatagoという凄く強いAIがあるのですがライフゲーム囲碁に流用できないかと思い始めた。
- 200 名前：310 mailto:sage [2020/03/28(土) 22:16:21.29 ID:vtZj/mQ8.net]
- 見直し版のチェックを本番やりながら進めてます。
今のところ、学習の速度が３０％程度ダウンしたものの、終盤探索の速度が
３０〜５０％高速化している感じ。どちらも原因不明。
- 201 名前：310 mailto:sage [2020/03/31(火) 00:30:27 ID:1mhY2vrp.net]
- 見直し版で、遡りチェックで無駄な処理を見つけて直しました。
更に速度アップして、トータル５０％強の速度アップとなりました。
まだ探索自体の速度は上がってませんが、まだ無駄があったとは。
- 202 名前：310 mailto:sage [2020/04/01(水) 23:58:19.45 ID:SRR0rDGm.net]
- 急に探索自体の速度アップを思い立ちまして、いくつか実行。
ヒープ領域に作っていたオーダリング処理をスタック領域に来るように修正。
置換表のHash関数の修正で、置換表のキーエントリーの偏りを減らす。
これらにより更に高速化して、トータルで前バージョンの倍速近くなった感じです。
残り２６手探索処理が１時間に９０件弱→１６０件くらい。
あと、もうちょっとやってみたい事があります。
- 203 名前：名前は開発中のものです。 mailto:sage [2020/04/02(木) 03:15:04.40 ID:iWlfdZP3.net]
- katago聞いたことない
alpha zeroは使わないの？
- 204 名前：535 mailto:sage [2020/04/02(木) 19:14:11.82 ID:9cAiWeM1.net]
- deep mindのオリジナルのalpha zeroは公開されてないはず。
github行くとクローンがいくつかあるけど。
katagoはKGSってネット碁会所で最高段位9dで打ってる。
- 205 名前：535 mailto:sage [2020/04/02(木) 20:00:58.76 ID:9cAiWeM1.net]
- でも当たり前だけどkatagoも相当高度なプログラムなので流用するのはかなり難しそう。
- 206 名前：535 mailto:sage [2020/04/02(木) 21:24:35.34 ID:9cAiWeM1.net]
- あかん、やっぱkatago相当難しい。
githubから簡単そうな奴探してお茶を濁すか…
- 207 名前：310 mailto:sage [2020/04/06(月) 22:33:27 ID:eOx9NvDZ.net]
- 更に少し高速化しました。
オーダリングのvectorをスタック領域の配列に変更する部分ですが、並列探索部分
にも適用しました。配列も&でアドレス渡せばSTLのalgorism周りが使えるの知りました(^^;
スレッド間でのlockも他の処理と一緒にできるので、オーバーヘッドはありません。
あと、地味にセーブの時間がかかっていたので、回数減らしました。
残り２６手１０００件で１０時間半が、５時間４０〜５０分くらいまで来ました。平均２０秒強。
残り２５手の読み切りができていてBookで時短しているので、まったくの新規棋譜の
読み切りはもっと遅くなります。
sort部分も何とかならないかと思いましたが、もともと３２件以下（オセロはたまたま
ですが次の手の上限は３２）は挿入ソートになっているようです。コピペで挿入ソート
を組んで、速度比較してみましたが、有意差は出ませんでした。
件数少ない時に早くかつ安定ソートな方法が他にないか調べてみようかと思います。
- 208 名前：535 [2020/04/10(金) 20:40:22.22 ID:KcO1uf/C.net]
- 今これ見てます。
https://github.com/hijkzzz/alpha-zero-gomoku
libraryをビルド通るところまで行ったんだけどpythonでそのライブラリ読み込むと以下のようなエラーになる。
K:\alpha-zero-gomoku-master\test>python library_test.py
Traceback (most recent call last):
File "library_test.py", line 6, in <module>
from library import Gomoku, MCTS
File "../build\library.py", line 15, in <module>
import _library
ImportError: DLL load failed: 指定されたモジュールが見つかりません。
- 209 名前：名前は開発中のものです。 mailto:sage [2020/04/12(日) 04:59:53.78 ID:DFViLwjz.net]
- その環境の内容見てないから詳しくはわからないけど…原因は大体これ
1. 読み込もうとしているdllが適切なパスに存在してるか
2. 読み込むdllは64bitか32bitか（ビルド構成と一致していないとダメ
- 210 名前：535 mailto:sage [2020/04/12(日) 10:52:42 ID:lk7abFDy.net]
- 32bitか64bitかは64bitしか選べないみたいです。
適切なパスに存在しているかというのはどうやってしらべればよいでしょうか。
library.pyと_library.pydをカレントディレクトリに置いたりもしてみたのですが駄目でした。
ちなみにこれはswigというのを使っていてC++をpythonから読めるようにしているようです。
library.pyと_library.pydが生成されてlibrary.pyから_library.pydをインポートするときにこけています。
- 211 名前：名前は開発中のものです。 mailto:sage [2020/04/13(月) 02:33:11.01 ID:q8ASrlIp.net]
- github見てみましたが、中国人が下で同じような質問してますね
buildディレクトリにコンパイルされたファイルを配置しないと駄目なようです
Pythonとかライブラリのバージョンも書いてあるので合わせたほうがいいかもですね
https://github.com/hijkzzz/alpha-zero-gomoku/issues/18
- 212 名前：535 mailto:sage [2020/04/13(月) 20:06:39 ID:E8a4txq0.net]
- ありがとうございます。
今python が3.6だったので3.7にしてみようとしたらpytorchがpipで入らず苦戦しています。
- 213 名前：535 mailto:sage [2020/04/13(月) 20:47:56.22 ID:E8a4txq0.net]
- 結局python 3.8.2を入れたんですが駄目っぽいorz
やっぱ無理にでも3.7にすべきか…
- 214 名前：535 [2020/04/14(火) 20:06:25 ID:ezpleFZl.net]
- python 3.7.6を試してみましたが駄目。
pytorchももう1.1手に入らないっぽい。
手詰まりです。
- 215 名前：535 mailto:sage [2020/04/14(火) 23:01:32 ID:ezpleFZl.net]
- >>208 動いたらめっちゃよさそうなんだけど悔しいな〜
- 216 名前：名前は開発中のものです。 mailto:sage [2020/04/15(水) 20:25:07.80 ID:4FzrEabb.net]
- Ruby なら、require/load で相対パスで指定されたときに、ファイルを検索する時の場所は、$LOAD_PATH だけど、
Python にはそういうパスが無いのか？
これで、site_ruby, vendor_ruby などが、ずらずらと表示される
ruby -e 'puts $LOAD_PATH'
Python は、よく知らないけど、import _library
で、拡張子 .pyd まで探してくれるのか？
_library.pyd
- 217 名前：535 mailto:sage [2020/04/15(水) 21:11:30 ID:rifVao0V.net]
- レスありがとうございます。
ファイルを検索する場所はsys.pathというのがあるみたいです。
表示させたら以下のようになりました。
['K:\\temp\\alpha-zero-gomoku-master_orig\\test',
'C:\\Users\\nagat\\AppData\\Local\\Programs\\Python\\Python37\\python37.zip',
'C:\\Users\\nagat\\AppData\\Local\\Programs\\Python\\Python37\\DLLs',
'C:\\Users\\nagat\\AppData\\Local\\Programs\\Python\\Python37\\lib',
'C:\\Users\\nagat\\AppData\\Local\\Programs\\Python\\Python37',
'C:\\Users\\nagat\\AppData\\Local\\Programs\\Python\\Python37\\lib\\site-packages',
'..\\build']
import _library.pyd はエラーになりました。
- 218 名前：535 mailto:sage [2020/04/15(水) 21:32:18.35 ID:rifVao0V.net]
- ん、neural_network_test.pyは動いた。
どういうことだ？？？
- 219 名前：535 mailto:sage [2020/04/15(水) 21:34:10.97 ID:rifVao0V.net]
- import libraryの前にimport torchをつければいいのか？？？もしかして
- 220 名前：535 mailto:sage [2020/04/15(水) 21:42:29.92 ID:rifVao0V.net]
- うおお、動いたっぽい！！！！
ありがとうございます！！
- 221 名前：535 mailto:sage [2020/04/15(水) 21:59:07.45 ID:rifVao0V.net]
- leaner_test.py train 動きました！！
GUIが起動してポチポチ自己対局を始めました！！
これは期待が高まる！！
- 222 名前：535 mailto:sage [2020/04/15(水) 22:01:14 ID:rifVao0V.net]
- とりあえず、五目並べでちゃんと強くなるかどうか2〜3日学習させてみます。
- 223 名前：535 mailto:sage [2020/04/15(水) 22:19:15.19 ID:rifVao0V.net]
- ん、GPUの使用率が1%くらいから上がりませんね。
でも0%じゃないからちゃんと使ってんのかな…
- 224 名前：535 mailto:sage [2020/04/15(水) 22:36:14 ID:rifVao0V.net]
- お、早くも石が中央に寄り始めた？？
そうだとしたら凄い。
- 225 名前：535 mailto:sage [2020/04/15(水) 22:48:39 ID:rifVao0V.net]
- しかし、4すら止めないｗ。
ホントに0からの学習なんだなぁ
|
 |
