tanuki- 2017-09-15 train/test loss 実験結果
- 棋譜生成
- 評価関数
- 2017-07-07-17-12-14評価関数とelmoを1:1でブレンドしたもの
- 開始局面
- 2chkifuからランダムに対局を選択
- 1~32手目からランダムに局面を選択
- 選択した局面から0~6手、MultiPV5の中から等確率に指し手を選択
- MultiPVで選択した指し手も教師局面に含める
- 探索深さ 8
- 自己対戦は途中で打ち切らず詰みの局面まで学習データに含める
- 入玉宣言勝ちも学習データに含める
- 機械学習
- 学習局面数 50億
- 学習率 Cyclical Learning Rate法で調整する
- 最小学習率 0.1
- 最大学習率 2.0
- サイクル数 10個
- 学習手法 Adam ミニバッチ法
- ミニバッチサイズ 100万
- 元の評価関数 2017-07-07-17-12-14評価関数とelmoを1:1でブレンドしたもの
- 検証データは局面を1億局面生成したあと、シャッフルし、先頭の100万局面使用している
実験結果
1億局面ずつシャッフルした場合
学習率: 0.5固定