記事閲覧

TOP > 記事閲覧

AobaZeroの学習棋譜のplayout数を倍にしました

投稿日	： 2023/12/08(Fri) 19:34
投稿者	：山下

強化学習で生成する棋譜の強さを1手平均1600playoutsから3200playoutsに変更しました。 400playoutごとに探索を停止するか判定し(kldinterval 400)、前回と比べて探索数の分布が似てるなら(kldgain 0.0000004)停止します。最短で1手400playout、最大で1手12800playout行います。正確には1手3180playouts/moveぐらいです。推定で+80 ELOほど生成される棋譜が強くなり、これで学習したWeightが今後強くなるのを期待しています。 floodgateで3710程度と思われます。棋譜生成に協力していただいている方は更新をお願いします。 VS2022でビルドするとなぜかOpenCL版が動作しなかったので VS2017でビルドしています。またThinkPad X1 Carbon Gen 9, Windows11のオンボードの下のGPUだとOpenCL版は動作しないようです。 Intel(R) Iris(R) Xe Graphics Driver Version: 31.0.101.4887 ThinkPad X1 Carbon 2018, Windows10 の下のGPUだと動くのですが。 Intel(R) UHD Graphics 620 Driver Version: 31.0.101.2121 ほぼ同じ設定でfloodgateで流しています。 (2023/12/14追記：322局で3741でした） http://wdoor.c.u-tokyo.ac.jp/shogi/view/show-player.cgi?event=LATEST&filter=floodgate&show_self_play=1&user=AobaZero_w4260_kld_avg_3200p 起動オプションは下です(棋譜生成では -msafe -drawmove はなしで、-b 1 -t 1 -m 30 です)。 $ ./aobaz20231206 -p 12800 -msafe 30 -h 1 -i -kldgain 0.0000004 -kldinterval 400 -drawmove 256 -b 3 -t 7 -w w000000004260.txt

編集

件名	スレッドをトップへソート
名前
画像添付
暗証キー
画像認証	（右画像の数字を入力「四三」なら「43」）
コメント