前回の続き。今回はリゼロ評価関数epoch 5,6。やねうら王のGitHubのほうには、すでにアップロードしてある。興味のある人は、使ってみて欲しい。
続) 人間の棋譜を用いずに評価関数の学習
10
投稿者「やねうらお」のアーカイブ
人間の棋譜を用いずに評価関数の学習に成功
elmo絞りで半年を4時間半に
昨年のAperyであるApery(WCSC26)。そのおおよそ半年後のバージョンである「浮かむ瀬」。多くの協力者に教師局面の生成を手伝ってもらうことで飛躍的に進化したことは記憶に新しいですね。
fail low/highしたときの読み筋の出力
最近、やねうら王では、fail low/highしたときに読み筋を出力するかどうかを思考エンジン設定で変更できるようにした。
Half Float Library作りました
機械学習で使う用にhalf float(16-bit float)の演算ライブラリ作りました。と言ってもfloat型がIEEE 754の形式であることを仮定して、符号bitと指数部、小数部をそのままとってきてuint16_tに変換する、みたいな感じのお手軽実装ですが。
elmoは何故2周目の雑巾を絞れないのか
将棋ソフトの機械学習の成否を判定するための資料
やねうら王の学習部を刷新したときに、この学習部にバグがないかを以下の手順で判定した。将棋ソフトの学習部をフルスクラッチで書いている他の開発者の参考になると思うので、その手順やデータを公開する。
やねうら王の学習部、すごく良くなったよ
やねうら王の学習部、う○こではないかと書いたばかりだが、コードを全面的に刷新した。tanuki-さんの協力もあって、とてもシンプルで美しいコードが書けたし、おまけに極めて省メモリで学習が出来るようになり(評価関数パラメーター用のメモリの4.5倍の学習用の重み配列があれば良い)、かつ、とても高速になった。
何故、やねうら王の学習部はう○こなのか
elmoはAperyの学習部を用いていた。何故、やねうら王の学習部を用いていなかったかと言うと、やねうら王の学習部がう○こだからだ。
elmoがもたらしたオーパーツについて
WCSC27で優勝したelmoがもたらしたのは、たった一行の革命だった。