将棋でディープラーニングする その53(価値ネットワークの精度向上) - TadaoYamaokaの日記

作成している将棋AIは、現在自己対局による強化学習を続けています。 floodgateの棋譜との一致率は徐々に上がっており、少しずつですが強くなっています。 48サイクル回したところで、GeForce 1080を1枚搭載したノートPCで、GPSFishに1手3秒で勝ち越すようになりました。 対局数100 先手勝ち57(56%) 後手勝ち41(41%) 引き分け2 selfplay048temp100 勝ち58(57%) 先手勝ち33(33%) 後手勝ち25(25%) GPSfish 0.2.1+r2837 gcc 4.8.1 osl wordsize 32 gcc 4.8.1 64bit 勝ち40(40%) 先手勝ち24(24%) 後手勝ち16(16%)有意水準以下なのでまだ有意に強くなったとはいえませんが。 自己対局はGPUを2080 Tiに交換したのとFP16化したことで、1サイクル3