TadaoYamaoka https://blog.hatena.ne.jp/TadaoYamaoka/ TadaoYamaokaの開発日記 https://tadaoyamaoka.hatenablog.com/ 前回、NNUE系で生成した教師データの方策と評価値をdlshogiのモデルで推論した結果に付け替えることで、方策と評価値ともに精度が上がることを確認した。今回は、学習の損失の勝敗項についても、モデルで推論した価値に付け替えることで、精度が上がるか試した。 勝敗項 学習の損失は、方策の交差エントロピーと評価値(Q値)の交差エントロピーと勝敗の交差エントロピーの3つの項の重み付き和で計算する。評価値の項 と勝敗の項 は、パラメータ を使用して、 で、按分する。dlshogiのデフォルトでは、 に設定されており、評価値の項より勝敗の項の方が重視されている。 勝敗項の付け替え 前回作成した方策と評価値… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftadaoyamaoka.hatenablog.com%2Fentry%2F2025%2F01%2F10%2F211651" title="【dlshogi】dlshogiモデルでNNUEの評価値を付け替える 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 2025-01-10 21:16:51 rich https://tadaoyamaoka.hatenablog.com/entry/2025/01/10/211651 1.0 100%