TadaoYamaoka https://blog.hatena.ne.jp/TadaoYamaoka/ TadaoYamaokaの開発日記 https://tadaoyamaoka.hatenablog.com/ dlshogi コンピュータ将棋 前回の続き。 dlshogiの強化学習で、方策の分布を含む棋譜を生成し、そのデータを用いてモデルの学習を行い、方策の分布の有無による精度の違いを検証した。 棋譜生成 dlshogiの自己対局で、200万局面(29315棋譜)を生成した。 学習条件 Resnet10ブロック、活性化関数Swishのモデルを、初期値から学習した。 データ数が少ないためSWAはオフにした。 方策の分布なしの条件は、現在のdlshogiで使用しているActor-Criticの学習則を使用した。 比較結果 訓練損失は、損失関数が異なるため、比較できないため、テスト損失と正解率を比較する。 テストデータには、2017年から… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftadaoyamaoka.hatenablog.com%2Fentry%2F2021%2F03%2F18%2F223432" title="将棋AIの実験ノート：方策の分布を学習 その３ - 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> Hatena Blog https://hatena.blog 2021-03-18 22:34:32 rich https://tadaoyamaoka.hatenablog.com/entry/2021/03/18/223432 1.0 100%