TadaoYamaoka
https://blog.hatena.ne.jp/TadaoYamaoka/
TadaoYamaokaの開発日記
https://tadaoyamaoka.hatenablog.com/
Gumbel AlphaZero
Gumbel dlshogi
自己対局と訓練の処理が実装できたので、初期値のモデルから自己対局と学習を繰り返して、モデル精度が上がるか検証する。 学習方法 初期値のモデルから自己対局を開始する 1回の自己対局で、100万局面生成する 自己対局で生成した訓練データを1エポックだけ学習する 学習したモデルで再び自己対局→学習を繰り返す 学習には、過去分は使用しないで直近の自己対局の訓練データのみを使用する シミュレーション数は16とする 実験結果 自己対局→学習を7サイクル繰り返した結果は以下の通り。 (base) PS D:\src\gumbel-dlshogi> d:; cd 'd:\src\gumbel-dlshogi'…
190
<iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftadaoyamaoka.hatenablog.com%2Fentry%2F2025%2F07%2F18%2F223232" title="Gumbel dlshogiを作る その７（初期値から学習） - 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/20250718/20250718221527.png
Hatena Blog
https://hatena.blog
2025-07-18 22:32:32
Gumbel dlshogiを作る その７（初期値から学習）
rich
https://tadaoyamaoka.hatenablog.com/entry/2025/07/18/223232
1.0
100%