Deep Deterministic Policy Gradients
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Google DeepMind
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 9 September 2015
- Autores
- TP Lillicrap, JJ Hunt, A Pritzel, N Heess, T Erez
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Robotics
- Tarea
- Robotic manipulation, Self-driving car
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- tokens
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Por qué se rastrea
- Highly cited
- Confianza de registro
- Unknown
- Citas
- 15,374
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Continuous control with deep reinforcement learning
- Última actualización
- 25 May 2026
Qué significan los números
De dónde vino
Deep Deterministic Policy Gradients fue publicado por Google DeepMind, en el país registrado como United States of America, durante September 2015. Sale de una organización categorizada como industry.
Funciona en el dominio de Robotics, y se registra como realizando la tarea de robotic manipulation, Self-driving car.
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a través de su proveedor. No hay cambios en la tarjeta gráfica que eso.
Entrenamiento y procedencia
Su criterio de inclusión: highly cited.
Respuestas
Deep Deterministic Policy Gradients — preguntas comunes
Deep Deterministic Policy Gradients— ¿Es de código abierto?
La licencia nunca fue registrada en nuestros datos fuente. Tratamos las licencias no declaradas como cerradas, porque una licencia no registrada no es una en la que confiar.
Deep Deterministic Policy Gradients— ¿cuántos parámetros tiene?
No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.
Deep Deterministic Policy Gradients— ¿Quién lo creó?
Fue publicado por Google DeepMind, basado en United States of America, una organización categorizada como industry.
Deep Deterministic Policy Gradients— ¿cuándo fue lanzado?
Se publicó en September 2015. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
Deep Deterministic Policy Gradients— ¿Para qué se utiliza?
Funciona en el dominio de Robotics, y se registra como manejando la tarea de robotic manipulation, Self-driving car. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
Deep Deterministic Policy Gradients— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.