Search type | Search syntax |
---|---|
タグ | [タグ] |
完全一致 | "ここの単語" |
作成者 |
user:1234 user:me (あなたの) |
スコア |
score:3 (3+) score:0 (なし) |
回答 |
answers:3 (3+) answers:0 (なし) isaccepted:yes hasaccepted:no inquestion:1234 |
閲覧数 | views:250 |
コード | code:"if (foo != bar)" |
セクション |
title:リンゴ body:"リンゴ オレンジ" |
URL | url:"*.example.com" |
セーブ | in:saves |
状態 |
closed:yes duplicate:no migrated:no wiki:no |
種類 |
is:question is:answer |
除外 |
-[タグ] -リンゴ |
高度な検索の詳細については、ヘルプ ページをご覧ください。 |
Python(パイソン)とは、コードの視認性を高められるように設計されたスクリプト言語。スクリプト言語ではあるが、サードパーティ製のツールを使うことで、スタンドアローンの実行ファイルを作成することも出来る。基本的な構文はCやC++を参考にしており、ABC言語のようなインデント構文を採用している。
5
票
1
回答
1,213
閲覧数
TensorFlowでDQN なぜかQ最大値が小さい
(ttps://github.com/sasaco/tf-dqn-reversi.git)
train.py --- AI の訓練を行う
Reversi.py --- オセロゲームの管理
dqn_agent.py --- AI の訓練の管理
python3:train.py
players[j].store_experience(state, targets, tr, reword … 変数名
- state --- 盤面( = Reversi.screen[0~7][0~7] )
- targets --- 置いていい番号
- tr --- 選択した行動
- reward --- 行動に対する報酬 0~1
- state_X --- 行動した後の盤面
- targets_X --- 行動した後の置いていい番号
- end --- ゲームが終了=True
python3 …