学習データモジュール

対象: pca.training.targets, pca.training.dataset, pca.training.data, pca.training.replay_buffer

役割

self-play JSONL を安定した dataclass schema と batch tensor に変換する。古い JSONL も読めるように default field を保ち、policy/value と belief の両方の学習に供給する。

モジュール一覧

モジュール	役割	実装の要点
pca.training.targets	JSONL schema	SearchTrainingTarget, BeliefTrainingTarget, AuxPrizeTrainingTarget, SelfPlayRecord を定義する。
pca.training.dataset	compatibility facade	旧 import path を維持するため pca.training.data の主要 API を re-export する。
pca.training.data.records	JSONL loader	dict から dataclass を復元し、古い record の欠損 field を補う。search/belief usable filter も持つ。
pca.training.data.search_collate	search batch	action padding、target policy、selected action、value、aux prize、integrated belief を SearchBatch にまとめる。
pca.training.data.belief_collate	belief batch	belief target の card ids を multi-hot にし、BeliefBatch を作る。
pca.training.data.collate_utils	collate helpers	multi_hot, card_ids_to_indices, object row padding。
pca.training.data.weights	record weights	teacher policy weight、low-progress downweight、passive deck-out filter を実装する。
pca.training.data.types	batch dataclasses	SearchBatch と BeliefBatch。
pca.training.replay_buffer	promoted replay	promotion済みcycleをregistryへ登録し、直近ゲーム数に対する比率で過去gameを追加sampleする。

公開API

API	用途
load_records_jsonl(path)	JSONL を list として読む。
iter_records_jsonl(path)	streaming iterator。
usable_search_records(records)	policy/value training に使える record を抽出する。
usable_belief_records(records)	belief training に使える record を抽出する。
collate_search_batch(records, ...)	policy/value training batch を作る。
collate_belief_batch(records, ...)	belief training batch を作る。
record_policy_weight(record, ...)	record ごとの policy loss weight を計算する。
register_promoted_cycle(...)	promotion済みcycleの直近train JSONLとcheckpointをregistryへ登録する。
build_history_sample(...)	過去のpromoted cycleからgame単位で履歴JSONLを構築する。

使い方

from pca.training.dataset import load_records_jsonl, usable_search_records, collate_search_batch

records = usable_search_records(load_records_jsonl("data/selfplay/run.jsonl"))
batch = collate_search_batch(records[:32])

注意点

• JSONL schema を増やす場合は dataclass に default 付き field を追加する。
• loader は古い JSONL を壊さないことを優先する。
• replayは直近train入力を削らない。既定では直近100%に対し、過去3 promoted cycleから直近ゲーム数の25%を追加する。履歴内は新しい順に50% / 30% / 20%で配分する。
• validation splitは直近データへ先に適用し、履歴sampleをvalidationへ混ぜない。
• registryへ登録するのは直近train入力だけであり、生成済み履歴sampleを次世代の履歴として再登録しない。