模擬--訓練的工作流程

2024 iThome 鐵人賽

DAY 17

佛心分享-SideProject30

DeltaPathogen：國產雙人不對稱抽象棋「疫途」之桌遊 AI 實戰系列第 17 篇

16th鐵人賽

高魁良

團隊晶心壯士III: ALcHemist

2024-09-17 08:39:51

184 瀏覽

分享至

「...我帶著山羊在山上時，想著這點，白晝似乎永無止境，但在夜幕降臨前，時間又像靜止不動，然後又是早晨......我領會羊的智慧。...」

-- <地海孤雛>，娥蘇拉．勒瑰恩著，段宗忱譯

雖然這個題目不在先前的列表裡面，但是仔細想想，在 DeltaPathogen 專案裡面，最不熟悉的的確是這些資料工程與機器學習實踐的交會區域。與其他元件比較的話就清楚多了。就說整個遊戲引擎吧，雖然是使用 Rust 這個陌生語言，但是至少也不脫通用程式設計的範疇，語法、語意、標準函式庫有點概念之後，加減可以做得出來；再說遊戲伺服器，雖然定義抽象定義的差強人意，但也一路隨著需求擴充起來，沒有什麼問題；再說深度學習，pytorch 實在太好用，而且再加上一切使用菜市場組合（損失函數全用經典款、優化器只用 adam、殘差塊全用經典款、...），幾乎是 ChatGPT 直接吐出來的 pytorch 就能用（AI 最懂 AI(???)）；AlphaZero 需要的蒙地卡羅，則是樹的資料結構活用，雖然我的系統先於訓練架構讓這件事情有點困難（請參考 Day14~Day16），但也沒有狀態機克服不了的事情。

所以反倒是，收集資料之後，手動迭代、手動部署、手動收集、手動思考(?)，這些需要很零碎的投入。老樣子，我也一樣是不學無術，一樣是沒有好的答案，一樣只能提供這個專案中的軌跡。以下我會展開一些我使用過的 script，展示一下我的機器學習工作流程。

由於 share 資料夾內只有各個世代的實驗總結，因此以下的資料都只在我本地端存在。在 github 上撈不到是正常的，但可參考 share/template 的歷史變化，大致上可以對照趨勢。

通用的模擬、遊玩骨幹（8/10 ~ 演化至今）

由於是手忙腳亂的開始，還看不出什麼架構。當時的構想是模擬、訓練、驗證對局是三個平衡且分立的階段。現在就比較傾向於將模擬和驗證整合在一起，有提供產出資料集路徑作為參數的時候就請它模擬，而沒有提供的時候就請它驗證遊玩。

首次看到 driver.sh，這裡是在 play 階段第一次出現

#/bin/bash

TRIAL=1000
PE_ROOT=/home/alankao/PathogenEngine/examples

THIS_ROOT=$MNT/$(hostname)_$(date --utc +%Y%m%d%H%M%S)

###
### MNT 是因為這些都會在容器環境之中，而我一般來說使用
### docker run -u alankao -w /home/alankao/PathogenEngine -v $(pwd)/share:/mnt -it pathogen:base-cpu bash
### 指令將相關的資料夾掛載進去。
###

mkdir -p $THIS_ROOT

ITER=0;
###
### 維護一個迴圈執行 TRIAL 次數。使用 `shuf` 增加多樣性是當時的作法。
###
for I in $(ls $MNT/setups | shuf); do
        echo $ITER;
        ###
        ### 這時候的 coord_server 一次只吃一個設置盤面，所以需要這個迴圈來包裝。
        ###
        RUST_BACKTRACE=1 cargo run --release --example coord_server -- \
                --load $MNT/setups/$I \
                --save $THIS_ROOT/$I
        ITER=$(($ITER + 1));
        sleep 1
        if [ $ITER -ge $BATCH ]; then
                exit 0
        fi
done &
sleep 1
###
### 這個一秒的延遲有時也不夠用，因為 cargo 偵測到程式碼改動會自動編譯，編個兩三秒也是很正常的，
### 所以的確不太理想，蠻常需要自己調整，比方說下面的 coord_client 打起來發現伺服器不存在而死亡，
### 然後 coord_server 才姍姍來遲。
###
python $PE_ROOT/coord_clients/main.py -t Reinforcement -s Doctor -b $BATCH --dataset "$THIS_ROOT/dataset" &
python $PE_ROOT/coord_clients/main.py -t Reinforcement -s Plague -b $BATCH --dataset "$THIS_ROOT/dataset"

wait
find $THIS_ROOT -type f -size 0 -name '*.log' -delete
###
### 前幾日提過我有給代理人模擬的時候下**延遲開始模擬的手數**的參數，這其實和我後來的殘局譜概念類似，
### 就是覺得越靠近終盤，應該有越容易判斷的盤面，所以從那時開始模擬收集資料再加以訓練，應該可以讓結果比較穩定。
### 但缺點就是，有時候遊戲還沒有到延遲手數，就結束了（比方說設定 10，而疫病方在 Phase::Main(19) 結束遊戲，雙方都還沒數到 10。），
### 這時就會有空的資料集檔案輸出，很礙眼，所以這裡用 `find` 簡單刪去。
###
### 為什麼不在程式裡面自己決定如果沒資料就別寫檔案出來？Well，可是我一定是先 open 起來放著看要不要寫入的...
### 是可以改啦，但就是也沒那麼困擾。
###

# Use this to check the dataset size easily
# SUM=0; for S in $(find -name '*Doctor*.log' -exec bash -c 'echo $(($(ls -l {} | awk '"'{print \$5}'"')/4096))' \;); do SUM=$(($S+$SUM)); done; echo
$SUM

###
### 這個可能也蠻瞎的，但就是持續用了好一陣子的功能。因為盤面資料加上模擬資料的大小沒有那麼剛好，所以我把它 padding 到 4096 個 byte 去，希望它這樣對硬碟讀寫比較友善（其實也沒有驗證實際上有沒有）。
### 由於有時候會 Ctrl+C 中斷模擬，收集到的資料就有可能還沒 padding 或者處在資料寫了一部份的狀況，這時候用 bash 內建的除法其實還看不出來有沒有整除，但總之可以估計目前收集了幾筆資料。
###

其實我每個階段的資料夾（可參考 share/template 的結構）裡面都會存在幾個 `driver.sh，其中略有不同。為什麼沒有參數化？可能還沒有完全走到那一步，而且過程中也一直在調整。

上述腳本在後來的模擬與驗證遊玩階段都還有持續被應用，也有小幅的改變。

驗證遊玩用的腳本

按照本地端的紀錄，這個在 8/12 開始第一次使用，8/24 就沒有再出現了，但期間都是靠這一套來驅動驗證遊玩。

#!/bin/bash

ROOT=/home/alankao/PathogenEngine
MNT=/mnt/20240818_gen4
PLAY_ROOT=$MNT/play
TRAIN_ROOT=$MNT/train
NUM_REPEAT=10

function play_single()
{
	REC=$PLAY_ROOT/records/$(echo d-$D_CONFIG-p-$P_CONFIG | sed -e 's/\//#/g')
        ###
        ### 這裡是想要呈現對戰組合的觀念。雖然在[對偶網路]()一文當中已經提及我無暇顧及多種版本，但當時還沒有足夠深刻的體悟。
        ### 但有一點很雷，就是這裡是使用 `D_CONFIG` 這樣的全域變數，而非函數傳入值。後來出了點小烏龍。
        ### 
	NUM_SETUP=$(ls $PLAY_ROOT/setups | wc -l)
	NUM_BATCH=$(($NUM_SETUP * $NUM_REPEAT))

	mkdir -p $REC
	for i in $(seq 1 $1); do
		find $PLAY_ROOT/setups -name '*.sgf' -exec bash -c 'cargo run --example coord_server --release -- --load {} --save '"$REC"'/$(basename {})'".$i"' && sleep 1' \; ;
                ###
                ### 拼湊這種複雜的 shell 指令，其實也花了一點力氣才讓單引號和雙引號不至於打架。
                ###
	done &
	if [ $2 == "random" ]; then
		python $ROOT/examples/coord_clients/main.py -t Query -s Plague -b $NUM_BATCH --seed $4
	else
		python $ROOT/examples/coord_clients/main.py -t ReinforcementPlay -s Plague -m $2 -b $NUM_BATCH | $PLAY_ROOT/stat.awk | tee $REC/p.log
	fi &
        ###
        ### 我有點懷念這個功能，就是將 random 直接代換成 Query player。還有，將結果 pipe 給 `stat.awk`，
        ### 是因為我在遊玩過程中有些統計數據，希望可以加總起來呈現一些比率之用。這些數據我後來就沒有追蹤了...
        ###

	if [ $3 == "random" ]; then
		python $ROOT/examples/coord_clients/main.py -t Query -s Doctor -b $NUM_BATCH --seed $4
	else
		python $ROOT/examples/coord_clients/main.py -t ReinforcementPlay -s Doctor -m $3 -b $NUM_BATCH | $PLAY_ROOT/stat.awk | tee $REC/d.log
	fi &

	wait

	echo $REC
	python $PLAY_ROOT/stat.py $REC
	echo "==="
}

SEED=6533
P_CONFIG=random
D_CONFIG=random
play_single $NUM_REPEAT $P_CONFIG $D_CONFIG $SEED

###
### 這個迴圈算是很認真展開的了，有讓蠻多個不同 epoch 的模型參戰
###
for i in $(seq 1 23) $(seq 24 12 60) $(seq 72 24 120); do
	P_CONFIG=$TRAIN_ROOT/general.pth.$i
	D_CONFIG=random
	play_single $NUM_REPEAT $P_CONFIG $D_CONFIG $SEED

	P_CONFIG=random
	D_CONFIG=$TRAIN_ROOT/general.pth.$i
	play_single $NUM_REPEAT $P_CONFIG $D_CONFIG $SEED

	P_CONFIG=$TRAIN_ROOT/general.pth.$i
	D_CONFIG=$TRAIN_ROOT/general.pth.$i
	play_single $NUM_REPEAT $P_CONFIG $D_CONFIG $SEED
done

訓練用的腳本

訓練的部份一直都蠻簡潔的，八月中以前甚至也沒有用腳本紀錄下來，而是在 shell 直接 Ctrl+R 就可以修修改改。

#!/bin/bash

TRIAL_ROOT=/mnt/20240822_gen6

pushd examples/coord_clients
python reinforcement_trainer.py -d $TRIAL_ROOT/simulation/plague.train.bin \
        -t $TRIAL_ROOT/simulation/plague.eval.bin \
        -m $TRIAL_ROOT/train/plague-trial2.pth -n $TRIAL_ROOT/train/runs/gen6-trial2
popd

一般來說都是用 nvidia-container 來訓練，讓它待在 PathogenEngine 專案的根目錄，這樣 pushd 就有地方可以去。-d 和 -t 準備兩個資料集，然後 -m 載入從哪個 model 開始這一輪的訓練。不存在的話會自動生成一個隨機的。之後每個 epoch 就會像 .pth.x 加上 x 後綴數字。-n 是輸出 tensorboard 可以吃的資料格式。

殘局譜腳本

隨著系列文展開，發現訓練進度不利，而開發導入的殘局譜蒐集機制搭配的腳本，

#/bin/bash

BATCH=1000
TSUME_SET=20
BATCH_RATIO=1
SIM_ROOT=$PE_ROOT/../share/20240910_gen15/simulation/tsume
SETUP_ROOT=$SIM_ROOT/setups
###
### 大致上類似模擬腳本的結構
### 
function sim_r2r()
{
	THIS_ROOT=$SIM_ROOT/$(date +%Y%m%d%H%M%S)
	mkdir -p $THIS_ROOT
	RUST_BACKTRACE=1 cargo run --release --example coord_server -- \
		--load-dir $SETUP_ROOT \
		--save-dir $THIS_ROOT \
		--batch $BATCH &
	sleep 3
	nc -vz 127.0.0.1 3698 & nc -vz 127.0.0.1 6241
        ###
        ### 使用 [Day8]() 文章中最後提及的手法，高速收集隨機局譜。
        ### 
	
	wait
	sleep 3
}

function prepare_setup(){
	if [ -d $1 ]; then
            return
        fi
	mkdir -p $1
        ###
        ### 如果存在就不做以下的設置開局，如果不存在則創立一個然後以 `setup_generator` 生成指定數量的設置開局譜
        ### 
       
	pushd $PE_ROOT
	for _ in $(seq 1 $(($BATCH/$BATCH_RATIO))); do id=$(uuidgen);
		RUST_BACKTRACE=1 cargo run --release --example setup_generator -- \
			--mode sgf --seed "$(echo $id | sed -e 's/-//g')" --save "$1/$id.sgf";
	done
	popd
}

prepare_setup $SETUP_ROOT 2>/dev/null
for i in $(seq 1 $TSUME_SET); do
	sim_r2r
done
###
### 生成設置 + 對局，所以以下就可以接殘局譜的生成了。
###
cargo run --release --example tsume_generator -- -l $SIM_ROOT --dataset extra_tsume.raw.bin

目前狀況

昨日所謂意料之外的展開，

是在說這條淺藍色的訓練曲線。它在 test（上排項目）當中的表現比紅色的好，這令我有點意外。它原本只是作為一個參照。

簡單來說紅色和淺藍所使用的資料集（訓練與驗證）還有所有參數都一樣，但起始點不同：紅色是以前天我說看起來「享有紀錄族譜的榮耀感」的最新模型（第十八世代的第一批訓練）開始的，它的實戰看起來還不錯；淺藍色則是再回溯，是從殘局譜訓練的模型（第十六世代的第二批訓練）開始的。

單以 AlphaZero/AlphaGo 的精神來看，參考書上說前者比起初代的後者省略了驗證遊玩，單是不斷對局不斷訓練之後，就能夠慢慢變強，但書中因為認為驗證遊玩的過程有助於收斂，所以還是將 AlphaGo 的這個方法加入。但，按照我這裡所經歷的，真的是鬆懈不得。前天之前都曾設想過一些接下來可能的發展，但也沒有想到有一種發展竟然是這樣。但從實績看來，它的確能夠以 60% 勝率擊敗醫療方的 Random，是目前為止收集到的最高。

所以目前我在用這個版本的代理人自我對戰中，但是訓練出來的資料又應該從哪裡開始訓練呢？是否又應該從第十六世代開始？或是往前從根源開始？或是從現在的第十九世代開始？

茫然，但也只能趁現在盡快進行網頁對局的設計。