TadaoYamaoka https://blog.hatena.ne.jp/TadaoYamaoka/ TadaoYamaokaの開発日記 https://tadaoyamaoka.hatenablog.com/ 麻雀AI 電竜戦があったりで先月は麻雀AIの開発に手を付けられれず、前回から1か月近く空いてしまったが、麻雀AIの開発を再開したい。 自己対局で特徴量記録 前回、自己対局で牌譜を生成するところまで実装した。 自己対局で生成した牌譜を元に、Learnerで特徴量を生成する処理を実装するつもりであったが、PPOの学習にはアドバンテージの計算に、各ステップで推論したValueが必要になる。 また、学習の各エポックで、エピソードを生成した時点のモデルで出力した各ステップのPolicyの分布が必要になる。 そのため、牌譜のみを記録した場合、牌譜を再生しながら、Learnerで再度推論する必要がある。それでは、Le… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftadaoyamaoka.hatenablog.com%2Fentry%2F2023%2F12%2F17%2F144850" title="麻雀AIを深層強化学習で作る その１０(自己対局で特徴量記録) - 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 2023-12-17 14:48:50 rich https://tadaoyamaoka.hatenablog.com/entry/2023/12/17/144850 1.0 100%