知识卡片
策略先验与价值评估分工
策略网络给每个动作一个先验概率,帮助搜索先看较有希望的边。价值网络对同一局面输出预期对局结果,可在尚未完赛时补足叶评估。早期 AlphaGo 还用速度更快的模拟策略完成对弈,再把模拟结果和网络估值融合。两类网络分别影响搜索投入方向和估值成本。
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
- · 查看原书依据
它就会输出合法落子的概率分布p(a|s)。
参考来源
- 位置:《AI游戏开发和深度学习进阶》第5章 5.1 来自AlphaGo的震撼(book-source,`extracted/AI游戏开发和深度学习进阶/_epub-src/OEBPS/Text/0042.xhtml`)
- 结论依据:正文用两种网络的输入输出和树边统计说明了分工。
- 原始内容:它就会输出合法落子的概率分布p(a|s)。