本文介绍了Alpha Zero在TicTacToe游戏中的网络参数设置，包括迭代次数、棋局模拟数、L2范式等级等，并阐述了各参数的作用。用户可以通过main.py和config.py文件调整参数，命令行中可以动态设置部分参数，而config.py中保留默认值不变。
Alpha Zero 趣味学习：设置网络参数
TicTacToe 神经网络设置等参数，在文件 main.py 和 config.py 集中可见。
全部参数的名称和含意如下：
- num_iterations ：迭代次数
- num_games ：自行训练，每次迭代的棋局数目
- num_mcts_sims ：每局棋蒙特卡罗搜索树模拟的数目
- c_puct ：蒙特卡罗搜索树探索的等级
- l2_val ：训练用到的 L2 范式的等级
- momentum ：网络优化的动量参数
- learning_rate ：动量参数优化的学习率
- t_policy_val ：下棋策略的预测值
- temp_init ：控制探索的初始热度参数值
- temp_final ：控制探索的最终热度参数值
- temp_thresh ：热度由初始转向终结的阈值
- epochs ：训练中批发数据的次数
- batch_size ：训练中批发数据的尺寸
- dirichlet_alpha ：Dirichlet 噪声的
最低0.47元/天 解锁文章
696
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
