学習した汎用行動選択モデルの挙動を定性的に確認してみます。 前回の記事で最も精度が高かったモデル（3層、チャンネル数16、バッチ正規化なし）に対しvalidationデータを入力し、モデルの出力（選択した技）および正解データを表示します。正解データはパ…