知识卡片
共享棋局特征分为双头
共享主体把棋面编码成特征。策略头为各动作产生分数并转换成概率,搜索只使用合法动作。价值头给这一局面对当前执棋方的预测,可以用 tanh 约束到终局分数的区间。
关联:[[自博弈用搜索改进网络]]。共享表达的两个输出分别学习搜索分布和胜负。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 10.3 策略价值网络结构及策略提升 · 查看原书依据
在尾部之后分别连接对应策略网络的Policy head及对应价值网络的Value head
参考来源
- 位置:《强化学习入门:从原理到实践》第10章《10.3 策略价值网络结构及策略提升》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter91.xhtml`,body 子元素 2
- 结论依据:原文给出共享残差卷积后分别产生分布和标量的结构。
- 原始内容:在尾部之后分别连接对应策略网络的Policy head及对应价值网络的Value head