プランA、いい感じに仕上がってきたかも

　三目並べモードで方策勾配法＋Q(λ)＋Bootstrappingで正しく収束する様になりました。

　という訳で、5五将棋モードに変更して学習用マシンに投入。

　…と言うか、今朝から走らせてたんだけど、パラメータ更新後の後処理*1を忘れてて、さっき慌てて実装したのはここだけの話。

　ちなみに学習の大雑把なログは http://gasyou.is-mine.net/ura/ から見えます。自分専用に作ったページなんでテキトーもいい所ですが。

*1:将棋モードでだけ必要な、置換表のクリアとか評価関数のメモ化のクリアとか