- 我构建了一个DQN网络下五子棋,在进行AI博弈的时候发现AI的自我博弈虽然能使AI获得奖励但是在几千轮循环后网络还是无法做到有效的攻防(有目的的连接棋子,或者打断另一方五子相连)。
- 所以我引入了一个下五子棋的程序(通过评分差值下五子棋实现攻防),但是在引入程序后也不知道是程序太强还是里面的的随机性太大,导致在约7500次左右(训练次数是2w但是我看7500多次都没训练成功我就关掉了)的的训练中程序总能在5到16回合内KO掉DQN网络只也就导致了五子棋AI根本就得不到奖励,无法获得学习。
- 我的奖励是下棋:0分
- 获得胜利:1000分
- 范围超过或者平局-20分
- 请问大佬们,我要怎么做才能使这个网络实现有效的攻防和学习。
- 还有就是我用tensorboard的时候发现我的主网络和记忆库的的权重都未发生更新,请问有懂行的大佬知道吗
运用DQN模型,训练五子棋ai,加入五子棋程序后无法学习。
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
- 邀请回答
-