我自己train了一下，为什么出来的结果不像你们训练出的那样智能？

[profection]

我训练的是wp，代码是你们的源码，训练后相比训练前的ckpt很奇怪
第一个表现，不管是地主还是农民，在出牌预测时，胜率都变为不高于50%
第二个表现，总是出大牌，压制对方，即使自己是农民，也会压制队友，导致最后无牌可出
第三个表现，有炸会拆着走，比如自己手牌剩下最大的2炸和一个对三，会直接走四带二
这是我训练了一小时之后尝试的效果，loss是0.9
所以请问你们训练多久？loss到多少算成功？是需要什么trick吗？

[daochenzha]

@profection 我们按每秒6000 frame的速度训练了大约两个月

[profection]

@profection 我们按每秒6000 frame的速度训练了大约两个月

哦，那时间有点长的啊，两月后最好的loss到什么程度了？
代码我稍微修改了一些，原有的代码逻辑是没有main.tar时自己生成ckpt，但我直接改成加载你们的ckpt，但使用你们提供的ckpt后，为什么评估loss是0.9，而且train了几分钟后得到的ckpt出牌预测时胜率变为不高于50%？很奇怪啊

[profection]

补充一下，还有一个很奇怪的现象，如果出牌中有QQQ9997766635，对家出了8884，这边会直接出999Q，导致对家出TTT4后自己无牌可出，这是什么bug？能修复吗？

[profection]

QQQ9997766635
这是生成的可出牌序列
[[3, 12, 12, 12], [5, 12, 12, 12], [6, 12, 12, 12], [7, 12, 12, 12], [9, 12, 12, 12], [3, 9, 9, 9], [5, 9, 9, 9], [6, 9, 9, 9], [7, 9, 9, 9], [9, 9, 9, 12]]

[daochenzha]

@profection loss并不是越低越好 得看胜率。这种情况就是没学好，神经网络不能保证百分之百对

[profection]

@profection loss并不是越低越好 得看胜率。这种情况就是没学好，神经网络不能保证百分之百对

哦，那你们怎么判断什么时候算已经训练完了？或者什么时候该结束训练？

[daochenzha]

@profection 这个只能靠和baseline的胜率判断

[profection]

@profection 这个只能靠和baseline的胜率判断

和我想一块去了，刚改了代码，三个角色有两个角色用baseline当老师，另一个当学生，我跑跑试试

[profection]

另外有个关于神经网络结构的问题
为什么不用resnet，不用prelu，为什么lstm只用一层，为什么没有用dropout？只用6层linear是不是少了点？现在gpt都24层了

[daochenzha]

@profection 复杂的网络比如resnet效果会更好。只是我们没有怎么调网络结构。

[profection]

哦，我还以为你们都试过，现在的网络结构是排除出来的，因为我试了一下改网络结构，训练出来效果不是很好

[profection]

我又回来了= =，大神还有个问题，我训练这么久，loss一直在0.6徘徊（训练的是wp），为什么啊？这个loss不收敛吗？
PS：不管是现有的模型还是已经改过的模型，训练都不收敛

[daochenzha]

@profection 强化学习是这样的，loss不会掉，得根据得分判断学习进程

[profection]

@profection 强化学习是这样的，loss不会掉，得根据得分判断学习进程

明白了，谢谢，我再多训练几天看看

[cxk555]

请问是如何改的用baseline当老师啊，能否告知一下