合議＋方策勾配法続き

　どうもどっかでメモリリークしてるっぽくて、学習させてたのはメモリ不足エラーで落ちてました。

　それと、合議サーバの方策πの中に合議クライアントの方策π'がある状態なんで、πの勾配が計算出来るはずです*1。

　つー訳でまた微分と格闘してるんですが…ムズいです。正直、いつになったら終わるのかさっぱり見当も付きません。

　まぁでも、これは超えなきゃならない壁だから、何とかしないと。

*1:現状のコードは、クライアントの勾配しか計算していない手抜きバージョンです