训练数据问题

[sjm1992st]

请问用了哪些数据训练的，多少量呢？训练了多长时间？

[HardcoreJosh]

策略网络和价值网络都是用公开数据训练的，没有用到自我对弈的强化学习。

策略网络是用1970年之后的职业棋手对局数据训练的，有1000多万条（盘面，下一步）的数据，我记得用policy_net.py里面的网络在1080上训练了一天多，大概有10个epoch。价值网络的低层是用策略网络的低层初始化的，然后先在aya‘s selfplay数据集上训练了几个epoch，最后在kgs 4d over数据集上finetune。这些数据集可以在这里找到。

价值网络很容易过拟合，因为一局棋里面的相邻步数，棋局只有一个或几个子不同，但是回归的目标都是一致的。所以一局棋里面我在布局，中盘，官子各随机选了一步来加入到训练集里面。训练的时候，加了比较大的L2正则化。最后训练出了现在的价值网络。

[sjm1992st]

好的，非常感谢

[sjm1992st]

您好，另外问下 input.py文件里两个解析函数parser，数据不都是sgf吗？ 怎么选择用哪个

[HardcoreJosh]

kgs和aya's self play 数据集sgf格式略有不同，另外kgs里面有很多特殊情况比如让子棋，需要剔除出去。

刚才发现这几个月又放出了很多新的数据集，比如野狐服务器上的对局，还有Leela Zero的自我对弈的对局，如果加上这些数据训练价值网络，应该会更强。

[sjm1992st]

emm~ 我在尝试用这里的数据训练policy_net时，在SGFparser.py用的parse_kgs发现这个有问题，这个解析的不能转换十进制....
if token[:2] == 'BR':
self.bd = int(line[3])

[HardcoreJosh]

不同的数据集，sgf的格式多少都有一些不同 我没有写出一个通用的sgf parser，parse_kgs这个函数应该是只能用于kgs数据集

[mazeyu]

你好，非常感谢你的代码和思路。我基本照着实现了一遍。但是价值网络直接按照人类棋手数据训练。虽然在人类数据上价值网络的（验证集）准确率已经是百分之六七十，终局百分之八十，但是实战中感觉价值网络完全不准。局部计算能力非常差。想问问，价值网络是否在自对弈数据训练会好很多呢。