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