TadaoYamaoka https://blog.hatena.ne.jp/TadaoYamaoka/ TadaoYamaokaの開発日記 https://tadaoyamaoka.hatenablog.com/ リバーシ 強化学習 DQN オセロ 前回、DQNのネットワークを教師ありでQ学習で学習した。 今回は、DQNを強化学習で学習する。実装するアルゴリズムは、Nature に掲載された論文「Human-level control through deep reinforcement learning」に基づく。 DeepMindによる公式の実装は、TensorFlowもPyTorchもない時期なので、LuaJITとTorch 7.0で実装されている。今ではTensorFlowかPyTorchで実装する方がよいので、分かりやすいチュートリアルが提供されているPyTorchの実装を参考にすることにした。 OpenAI Gymについて P… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftadaoyamaoka.hatenablog.com%2Fentry%2F2019%2F12%2F08%2F123922" title="リバーシ(オセロ)で深層強化学習 その３（DQN） - 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://chart.apis.google.com/chart?cht=tx&chl=%5Cdisplaystyle%0A%5Cvarepsilon_%7Bend%7D%20%2B%20%28%5Cvarepsilon_%7Bstart%7D%20-%20%5Cvarepsilon_%7Bend%7D%29%20%5Ccdot%20%5Cexp%28-%5Ctext%7Bsteps_done%7D%20%2F%20%5Cvarepsilon_%7Bdecay%7D%29 Hatena Blog https://hatena.blog 2019-12-08 12:39:22 rich https://tadaoyamaoka.hatenablog.com/entry/2019/12/08/123922 1.0 100%