OV
Уже полгода как собираюсь автоматизировать эту несчастную форму и повесить на крон :)
При помощи RL? :)
Size: a a a
2019 February 07
S
Да, это интересная мысль :)
c
Уже полгода как собираюсь автоматизировать эту несчастную форму и повесить на крон :)
Можно устроить рассылку на почту конечно
С инвайтом
Так даже в календарик добавится
Но не уверен, что это удобнее.
С инвайтом
Так даже в календарик добавится
Но не уверен, что это удобнее.
IK
Привет! А сегодня будет запись или трансляция?
MY
Видимо, нет.
2019 February 10
A
14 будет что-нибудь?
c
Всем привет!
ВНИМАНИЕ!
14го числа семинара не будет!
По результатам проведенного голосования
ВНИМАНИЕ!
14го числа семинара не будет!
По результатам проведенного голосования
AG
На тему AlphaGo и шахмат. После выхода статьи появилась Leela Chess Zero — open source community версия, написанная на плюсах, где каждый может донатить свои вычислительные ресурсы для счёта. За прошлый год она хорошо обучилась и выиграла чемпионат мира среди chess engines. Сейчас идёт суперфинал live match на 100 игр между LC0 и болеее сильной версией Stockfish (чем та которая участвовала в чемпионате). Он будет идти ещё несколько суток, но кому интересно, можно смотреть тут:
https://tcec.chessdom.com/live.html
Примечательно, что LC0 обсчитываеет ходы медленнее Stockfish (т.к. он разрабатываеется уже кучу лет и дико оптимизирован), имеет меньшую глубину просчёта и вообще чтоб сделать ход считает на 2-3 порядка меньше досок. Пока идут на равных: 16.5 — 16.5.
https://tcec.chessdom.com/live.html
Примечательно, что LC0 обсчитываеет ходы медленнее Stockfish (т.к. он разрабатываеется уже кучу лет и дико оптимизирован), имеет меньшую глубину просчёта и вообще чтоб сделать ход считает на 2-3 порядка меньше досок. Пока идут на равных: 16.5 — 16.5.
П
Так же энтузиасты из Гугла пишут OSS реализацию AlphaGo Zero: https://github.com/tensorflow/minigo
G
На github'е лежит alphazero-general, о котором заявлено, что он может играть в любую настольную игру, коль скоро она правильно описана
G
В othello (реверси) эта версия, по-моему, играет хорошо
2019 February 20
c
Всем привет!
На этой неделе на семинаре выступит Михаил Ягудин.
Четверг, ШАД
Аудитория: Стенфорд
19:00
Soft Actor Critic — model-free off-policy актор-критик алгоритм, регуляризируеммый энтропией. Алгоритм побил несколько СОТ в непрерывном пространстве действий [DDPG и PPO на Humanoid]. Стабильное и быстрое обучение, небольшое число гипер-параметров и возможность переиспользовать предыдущие наблюдения делают его пригодным для робототехники.
https://arxiv.org/abs/1801.01290
https://openreview.net/forum?id=HJjvxl-Cb
https://bair.berkeley.edu/blog/2018/12/14/sac/
https://ai.googleblog.com/2019/01/soft-actor-critic-deep-reinforcement.html
https://github.com/rail-berkeley/softlearning
Приходите, будет интересно!
На этой неделе на семинаре выступит Михаил Ягудин.
Четверг, ШАД
Аудитория: Стенфорд
19:00
Soft Actor Critic — model-free off-policy актор-критик алгоритм, регуляризируеммый энтропией. Алгоритм побил несколько СОТ в непрерывном пространстве действий [DDPG и PPO на Humanoid]. Стабильное и быстрое обучение, небольшое число гипер-параметров и возможность переиспользовать предыдущие наблюдения делают его пригодным для робототехники.
https://arxiv.org/abs/1801.01290
https://openreview.net/forum?id=HJjvxl-Cb
https://bair.berkeley.edu/blog/2018/12/14/sac/
https://ai.googleblog.com/2019/01/soft-actor-critic-deep-reinforcement.html
https://github.com/rail-berkeley/softlearning
Приходите, будет интересно!
c
Если у вас нет пропуска в ШАД, не забудьте зарегистрироваться по ссылке до 10ти часов утра четверга:
https://docs.google.com/forms/d/e/1FAIpQLSd18PGkZuOqkWThJhmNxnmiSVFicnH4YwLVTCOkEkVQV6ZIDg/viewform
https://docs.google.com/forms/d/e/1FAIpQLSd18PGkZuOqkWThJhmNxnmiSVFicnH4YwLVTCOkEkVQV6ZIDg/viewform
AP
@rl_agent про него несколько раз очень годно рассказывал. На этот раз будет более свежая версия алгоритма?
AG
Кстати, недавно вышел PhD thesis автора SAC:
https://www2.eecs.berkeley.edu/Pubs/TechRpts/2018/EECS-2018-176.pdf
Однако, меня в нём напрягают очень уж различающиеся графики одних и тех же алгоритмов в разных местах тезиса. Например, performance DDPG на странице 33 и на странице 42.
https://www2.eecs.berkeley.edu/Pubs/TechRpts/2018/EECS-2018-176.pdf
Однако, меня в нём напрягают очень уж различающиеся графики одних и тех же алгоритмов в разных местах тезиса. Например, performance DDPG на странице 33 и на странице 42.
MY
Да, следовало посикать по чату. У Беркли есть свежая статья на архиве, но она не очень сильно отличается.
- - - - - - -
Тогда я расскажу про Deep RL from Human Preferences (https://arxiv.org/abs/1706.03741). Это довльно необычная работа в которой вместо наград используют оценки людей [«какая из траекторий лучше?»].
- - - - - - -
Тогда я расскажу про Deep RL from Human Preferences (https://arxiv.org/abs/1706.03741). Это довльно необычная работа в которой вместо наград используют оценки людей [«какая из траекторий лучше?»].
П
Кому-то интересно послушать про Go-Explore?