第廿七夜は、本書にこんなことは書いてないけど、学習に関してちょっと工夫してみたら、うまくいっているようなのでまとめておく。
やったこと
（１）Lossのバランスを変える
（２）学習データをまとめてみる
（１）Lossのバランスを変える
これは、以前から方策ネットワークの学習と価値ネットワークの学習が、方策は学習しやすいが、価値ネットワークの学習がなかなか進まないという現象があった。
そこで、一番簡単な工夫は価値ネットワークのLossの重みを大きくして、より価値ネットワークを学習しやすくするということである。
ところが、これをやると方策ネットワークのAccuracyが上がってこない、さらに価値ネットワークのAccuracyも実はもとより悪い。
ということで、逆に価値ネットワークはあきらめて、方策ネットワークのLossの割合を増やしてみた。これだと勿論方策ネットワークのAccuracyがあがった。さらに価値ネットワークのAccuracyもあまり下がらないようだ。
結果は以下のとおり
※同じNetworkモデルじゃないので比較しずらいが、少ない層で同等な精度が出ている
| network | loss | policy_accuracy | value_accuracy | note |
|---|---|---|---|---|
| Quad32 | 2.054025 | 0.41139683 | 0.65907264 | epoch=8、32層 |
| Quad32 | 2.34428 | 0.42745194 | 0.6892166 | epoch=11、32層 |
| Quad22_16 | 3.071567 | 0.41298786 | 0.66631365 | epoch=8、22層※1 |
| Quad22_16 | 3.28406 | 0.42357165 | 0.6909092 | epoch=11、22層※1 |
※1；$Loss=1.6Loss_{policy}+0.4Loss_{value}$としている
また、レーティングはPlayout＝３００のままで
LesserKai(718)に対して、９－０－１で圧勝
Gikou2D1（1512）に対して、３－２－５で惜敗
Gikou2D2（1799）に対して、１－０－９で大敗
これって、当初LesserKaiやGikou2D1に勝てなかったのと比べるとすごいと思う。
（２）学習データをまとめてみる
学習データの準備の仕方は、ほぼ前回の説明の通りです。
しかし、一か所工夫します。
つまり、Floodgateの２０１６の棋譜と２０１７の棋譜をまとめて学習させる工夫です。
以下のように、学習データを同じディレクトリwdoor2017に格納します。
wdoor2017
｜－2016
｜－2017
そして、以前と同じように以下で実行します。
>python utils\make_kifu_list.py D:\wdoor2017 kifulist3000
このTrainデータとTestデータを利用して学習すると
| network | loss | policy_accuracy | value_accuracy | note |
|---|---|---|---|---|
| Quad32 | 2.054025 | 0.41139683 | 0.65907264 | epoch=8、32層 |
| Quad32 | 2.34428 | 0.42745194 | 0.6892166 | epoch=11、32層 |
| Quad22_16 | 3.071567 | 0.41298786 | 0.66631365 | epoch=8、22層※1 |
| Quad22_16 | 3.28406 | 0.42357165 | 0.6909092 | epoch=11、22層※1 |
| Quad22_1617 | 3.38789 | 0.41730803 | 0.6915467 | epoch=3、22層※1 |
| Quad22_1617 | 3.261292 | 0.42490402 | 0.69353837 | epoch=4、22層※1 |
| Quad22_1617 | 2.951929 | 0.43959206 | 0.679099 | epoch=10、22層※1 |
| Try24_1617 | 3.26445 | 0.42895943 | 0.69723386 | epoch=3、24層※1 |
| Try24_1617 | 3.076979 | 0.44028142 | 0.69179535 | epoch=5、24層※1 |
※1；$Loss=1.6Loss_{policy}+0.4Loss_{value}$としている
Gikou2D2に３－１－６でepoch=3が惜敗
Gikou2D1にも４－０－６でepoch=4が惜敗、こっちはぶっちぎりのはずだったんだけど、。。
さらに、Try２４層を同じように学習すると、
epoch=3、playout=300で、Gikou2D1に対して、５－０－５で引き分け
epoch=5、playout=300で、Gikou2D2に対して、３－０－７で惜敗（まあ、レート差200で２４％なのでほぼかな）
まとめ
・学習の改善として、方策と価値のLossバランスと学習データの統合を実施して、強くなることを示した
・Playout＝３００でGikou2D2に１０回対戦で、勝利を挙げられるようになった
・最適化はまだまだできていない