作者查詢 / marrvosal
作者 marrvosal 在 PTT [ GO ] 看板的留言(推文), 共47則
限定看板:GO
看板排序:
全部NTU262PublicBike212CS_Badminton201LoL192MRT127home-sale126EatToDie117Railway109BoardGame89Chiayi89bicycle58Gossiping57Little-Games57FORMULA148GO47Olympics_ISG27Badminton24WomenTalk24BigBanciao23NTUFD23b99902xxx22DigiCurrency22MobileComm21Foreign_Inv19NBA17nCoV201917Boy-Girl16TAXI16Lifeismoney15PublicServan15cookclub14AllTogether13b00902xxx12MabinogiHero12b99902HW11StupidClown11puzzle9OverWatch8Thailand8marriage7movie7JX36Soft_Job6AOE5E-appliance5e-shopping5Military5ONLINE5Salary5Shu-Lin5Tech_Job5C_Chat4CVS4Keelung4PC_Shopping4regimen4SENIORHIGH4Aviation3Bus3joke3MuscleBeach3car2Fantasy2Interior2PingTung2Stock2ArenaOfValor1b98902xxx1Battery1bicycleshop1CSCouncil1CSIE_Service1EEBadminton1FITNESS1Game-Talk1HatePolitics1LeBronJames1LoL_Picket1MLB1NtuDormM81RealmOfValor1Storage_Zone1studyabroad1TaiShan1WorldCup1<< 收起看板(85)
首頁
上一頁
1
下一頁
尾頁
102F→: 瑞士制的優點是比循環賽省時,輪數不夠第四怪怪的也正常10/01 13:33
3F→: 的確很久都找不到解答了07/06 09:35
8F→: 樓上白四能下 O16 嗎06/06 00:27
10F→: N17後不能接O16嗎?06/06 01:26
8F→: 也沒說錯,他畢竟學了3x年的中文(咦?03/18 14:22
11F→: 機率解碰到單行道就會走那條,不用filter掉03/13 17:40
16F→: 單行道不是勝率最高解是建立在弱勢情況下03/13 17:42
18F→: 當你不會贏的時候,不會去下正解,而是想拚大的。03/13 17:42
20F→: 基本上絕大多數情況都是單行道就會是勝率最高解03/13 17:44
23F→: 那步不是單行道的問題,而是搜尋本身沒搜好03/13 17:45
25F→: 再說一次,是李下出神之好手讓電腦輸掉了03/13 17:45
28F→: 連續下錯棋就是沒搜好啊03/13 17:47
35F→: 就是因為87手才發現勝率低了,所以才會下出臭手03/13 17:50
36F→: wnglon 你這個問題前面很多人討論過了,可以去翻03/13 17:50
42F→: 連同87在內的臭手,都是電腦想賭大的下法,很合理03/13 17:51
49F→: 就說了不是BUG,是因為弱勢後想拚回來的下法03/13 17:52
53F→: 78到87的發展就是李的大勝利,電腦沒算到03/13 17:53
57F→: 我說的賭是87跟之後的臭手...我不想再說了03/13 17:53
59F→: 希望你們可以以電腦的角度去想這些問題03/13 17:54
66F→: 因為垃圾手李如果不去應的話會一瞬間鑽很大回來03/13 17:57
67F→: 導致勝率高很多03/13 17:57
70F→: 電腦自認優勢結果被李坂回來就是電腦沒算到03/13 17:58
71F→: 電腦就是很單純沒算到而已,沒有什麼問題03/13 17:58
12F→: 實際上alphaGO不太會overfitting,樓上這招沒用03/13 12:18
73F→: 反了,是我下這手勝率有多高,而非對手下這手勝率多高03/11 16:46
75F→: 而且實際上蒙地卡羅不會只搜一層random算03/11 16:47
76F→: 而是在允許的時間內多算幾層,所以唯一解他還是會看到03/11 16:48
77F→: 所以電腦會去搜尋下z之後的勝率,會發現這步勝率很高03/11 16:55
78F→: 因此電腦會避免讓對手下z。03/11 16:56
93F→: 蒙地卡羅有點難講清楚,但是電腦在這塊不太會出錯03/11 17:05
97F推: 樓上,當然,alphaGo還沒有train到最好03/11 17:08
98F→: 就算train到最好,也不一定能到圍棋之神的實力03/11 17:09
100F→: 是的。03/11 17:14
103F→: 實際上alphaGO進步的地方並非單機跟離散03/11 17:17
104F→: 離散勝率高只是因為它算得比較快,可以多算一點03/11 17:17
105F→: alphaGO進步的話則是在算之前的候選挑選進步03/11 17:18
106F→: 要知道實力有沒有變強應該是用新版的跟舊版的比較03/11 17:18
109F→: alphaGO的重點就在訓練,搜尋多深都只是硬體的問題03/11 17:23
110F→: 我甚至認為,當train的越好,單機的勝率會提升03/11 17:24
113F→: 找到好的選擇這件是對單機跟分散是一樣的03/11 17:27
114F→: 差別在於分散從好的選擇裡面挑出最好的會更好03/11 17:28
115F→: 所以如果deep learning 已經好到幫你挑的非常好03/11 17:28
116F→: 那你其實不太需要運算量就能選出最好的那步03/11 17:28
117F→: 此時就不太需要分散運算03/11 17:29
18F→: 看起來這台應該有留VOD03/09 10:34
4F→: 限時下的話,電腦手上會一直有一個最佳解03/08 17:11
5F→: 不斷更新最佳解到時間到為止03/08 17:11
首頁
上一頁
1
下一頁
尾頁