知识卡片

普通读书笔记卡 · 2700.f.1.b.2.a · 生成模型:未记录

自博弈用搜索改进网络

理解等级:高级

先让网络引导树搜索,再从访问统计读出比单次前向更充分利用模拟信息的分布。对弈结束后保存局面、搜索分布和执棋方终局结果。网络拟合这些标签后再次引导搜局。这个循环不能只靠胜负更新一个动作概率。

关联:[[树搜索复用中间节点统计]]。自博弈把搜索改进的访问分布作为下一轮网络训练目标。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《强化学习入门:从原理到实践》第10章《第10章 Alpha Zero算法实战》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter88.xhtml`,body 子元素 11 - 结论依据:原文区分搜索产生的策略标签及终局胜负标签。 - 原始内容:网络训练得到的新参数会被用来指导下一轮迭代中自我对弈时的MCTS搜索