AlphaZeroとdlshogiの行動空間の実装を確認する about pgx

[youyou-ku]

dlshogiの行動。動いた先と動いた方向（駒打ちの場合は上下左右斜めの後に追加）を参照してintに変換する。駒の種類とかは情報に入れない
AlphaZeroも動く方向を参照しているらしい（？）

[sotetsuk]

メモ: AlphaZeroの行動空間は違う81x139

dlshogiについての記述: https://tadaoyamaoka.hatenablog.com/entry/2019/09/29/001132

現在dlshogiでは、方策ネットワークの出力は、移動先座標と移動方向（8方向＋桂馬2方向＋駒打ち7方向）の組み合わせで表現している。
これには、移動元を座標で表すと、分類するクラス数が多くなり精度に悪影響があるため、移動方向として表現することでクラス数を抑えるという意図がある。
移動方向だけではどの座標の駒を動かすかは直接はわからないが、将棋では移動方向さえわかれば、盤面から移動元の駒が一意に特定できるため問題ない。