フロッピーディスクに収まる評価関数バイナリ公開しました | やねうら王 公式サイト

NNUE評価関数は、ネットワーク構成を簡単にカスタマイズできるようになっている。 そこで、入力をK(玉のいる升)とP(どの升にどの駒がいるかに対応する値)だけにして(81升 + 1629通り = 1710)、hidden層の1層目を256×2、2層目・3層目を32にして学習させた。(K-P-256-32-32) NNUEを知らない人のために書くと、各層は全結合。 ※ 補足 : ニューラルネットの入力は、駒が存在するところを1、存在しないところを0とした1710次元のベクトル。 教師はdepth 8で生成した10億局面から学習させてみたところ、elmo – R30程度になった。 ファイルサイズは873KB。(zipで圧縮して400KB程度) 教師をもう少し深いdepthで生成すれば、まだ強くなるはず。 とりあえず公開しておいた。 https://github.com/yaneurao/Yan

[endo_5501]

“しかも、入力がKとPだけってなんですか。hidden層の1層目が256×2しかないので、3駒関係どころか、2駒関係すら表現できているか怪しいというのに…。”

[memoryalpha]

相変わらずやねさんすごいな。

[hirata_yasuyuki]

この時代にフロッピー基準の容量で表記するのが新しい。

[knok]

NLP方面のELMoと混同しそうになった

[timetrain]

ニューラルネットワークもすごいけど、そこまで抽象化した人間もすごい

[BigHopeClasic]

三駒関係の評価関数はそろそろ限界、四駒関係はサイズが大きすぎてRAMに乗らない、というタイミングで、これほど発展性に余裕のある評価関数の形式が出てきたその絶妙さを思う。

[fujihiro0]

シンプル過ぎる！ニューラルネットのポテンシャルすごい！

[goodstoriez]

"しかし、いまにして思えば、それらは全く無駄な作業であった。なにしろ、何も考えずにKとPを入力にして評価値を出力するような小さなニューラルネットを構成するだけでここまで強くなるのだから…。"