TadaoYamaoka https://blog.hatena.ne.jp/TadaoYamaoka/ TadaoYamaokaの開発日記 https://tadaoyamaoka.hatenablog.com/ AlphaZero dlshogi コンピュータ将棋 自己対局による強化学習を続けています。 現在、1サイクルあたり500万局を自己対局で生成するサイクルを17サイクル実行したところです。 教師ありでelmoで深さ8で生成した4.9億局面を事前学習したモデルを初期モデルとしています。 初期モデルは、収束前のLesserkaiには勝つがGPSfishには1度も勝てない程度のモデルです。数サイクル回した時点では、初期モデルに対して弱くなっていましたが、17サイクル回したところで、やっと初期モデルに対して1手3秒の50回の対局で有意水準5%で強くなったことが確かめられました。 しかし、GPSFishには1度も勝てていません。 1サイクルの実行にGPU3… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftadaoyamaoka.hatenablog.com%2Fentry%2F2018%2F04%2F25%2F001427" title="将棋AIの進捗 その20(自己対局による強化学習) - TadaoYamaokaの開発日記" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/T/TadaoYamaoka/20180424/20180424235457.png Hatena Blog https://hatena.blog 2018-04-25 00:14:27 rich https://tadaoyamaoka.hatenablog.com/entry/2018/04/25/001427 1.0 100%