GA将?開発日記~王の理とは~

ネタ勢最強を目指して絶賛開発中。

A3C+PGLeafをお試し中

 http://arxiv.org/abs/1602.01783

 前に実装したコードを引っ張り出して来て、少し修正して走らせてみました。

 んで、ログを見ているとTDLeaf(λ)+Experience Replayの時より、CriticのTD誤差が大きくなっています。

 具体的には、それぞれ0.13と0.20位です(最小値での比較)。

 という訳で、どっかバグってると思われますが、今日はもう時間が無いので明日調査する事にしました。

 …ただ、明日はThinkPad 13が届く予定なんですよねぇ。そっちで遊んじゃって、開発が進まなくなる予感。