オンラインPGLeafにL2正則化を実装

　本将棋をオンラインPGLeafで学習させたのをsspと連続対局させていますが、序盤から評価値が1000点を超えたりしていて、ちょっとおかしい状態です。

　んで、表題のL2正則化を実装して、現在5五将棋でテスト用に学習中。

　大体良さ気な正則化係数が分かったら、その設定で本将棋の学習を始める予定です。

　学習回数は800万局（ほぼ24時間で終わる位）にしたので、毎日1回は結果が出ると思います。