- CNN モデル ２機
- Policy (｢方策ネットワーク｣)
- Value (｢価値ネットワーク｣)
- 外挿プログラム
- チャットAI の ｢トークンベクトル｣ (固定辞書) に対応するような固定ベクトル表は，存在しない。
入力とこれの内部翻訳は，つぎのようになる：
- 入力 : 盤面をテンソル表現したもの
- 内部翻訳：特徴ベクトル (256次元) の列
- モデルの構成
- 共通バックボーン（Residual Tower）
- Policy ヘッド
- Value ヘッド
◦共通バックボーン：Residual Tower
1. 入力
9×9×C のテンソル
9×9 : 縦×横 (マスの位置)
C : 駒配置・持ち駒・履歴などのチャンネル数
2. 最初の畳み込み層
3×3 の畳み込み
出力チャネル数：256
(｢各マスに 256 次元ベクトル｣)
3. 残差ブロック（Residual Block）
40 層（将棋の場合）
各ブロックは：
Conv(3×3, 256ch)
BatchNorm
ReLU
Conv(3×3, 256ch)
BatchNorm
Skip connection（残差）
ReLU
4. 出力
9×9×256 の特徴マップ
(｢各マスに 256 次元ベクトル｣)
◦Policy ヘッド（次の一手の確率分布）
バックボーンの出力（9×9×256）から：
1. 畳み込み層
1×1 の畳み込み
出力チャネル数：2
9×9×2 のテンソル
2. 平坦化（flatten）
→ 162 次元のベクトル
3. 全結合層
出力：全合法手の数に対応する次元
（将棋なら 1000 次元程度の「手の辞書」）
4. Softmax
→ 各手の確率分布（Policy）
◦Value ヘッド（局面の勝率）
バックボーンの出力（9×9×256）から：
1. 畳み込み層
1×1 の畳み込み
出力チャネル数：1
→ 9×9×1 のテンソル
2. 平坦化
→ 81 次元
3. 全結合層（256 次元）
ReLU
4. 全結合層（1 次元）
tanh
→ -1 〜 +1 の勝率（Value）
🧠
|