ASE
Nincs becslés
Ennekhez a modellhez nincs hardverkövetelmény
A modellhez tartozó súlyokat nem tették közzé, így azt semmilyen méretben nem lehet letölteni vagy saját hardveren futtatni. Csak az adattovábbítóján keresztül érhető el, és semmilyen grafikus kártya nem változtat ezen..
Felvételen
Teljes specifikáció
Minden adatok ezen a modellen. A legtöbb leírás arról szól, hogyan volt kiképzve, nem pedig arról, hogyan fut — hasznos háttérinformáció arra vonatkozóan, hogy mennyi munka került bele, és hogyan viszonyul más méretű modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- NVIDIA,University of California (UC) Berkeley
- Szervezet típusa
- Industry,Academia
- Ország
- United States of America
- Kiadva
- 5 May 2022
- Szerzők
- Xue Bin Peng, Yunrong Guo, Lina Halper, Sergey Levine, Sanja Fidler
Mit csinál
A modell által épített probléma területek. Egy modell több különbözőt is tartalmazhat.
- Irányítószám
- Robotics
- Feladat
- Animal (human/non-human) imitation
- Approach
- Reinforcement learning
Méret
Mekkora a modell és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek meghatározzák, hogy illeszkedik-e egy adott grafikus kártyára.
- Képzési adatok
- tokens
Képzés számítás
A modell betanításához végzett aritmetikai műveletek, amelyet lebegőpontos műveletekben mérnek. Ez a tréning futásának költségét méri, nem azt, hogy mennyire gyorsan válaszol a kész modell.
- Képzés számítás
- 4.5 × 10¹⁹ FLOP
- Hogyan jött létre
- Hardware
Training was done using the Isaac Gym simulator on an NVIDIA V100 GPU. The model was trained on over 10 billion samples, which equates to 10 years of simulated experience time. Training took around 10 days on a single GPU. 1.3e14 * 10 * 24 * 3600 * 0.4 = 4.49e19
A képzési futam
A kiképzéshez fizikailag szükséges volt: milyen chipek, hány, meddig és mennyi áramot vett le a hálózatról.
- Képzési hardver
- NVIDIA Tesla V100 PCIe 16 GB
- Wall-clock time
- 240 hours (10 days)
Training took around 10 days on a single GPU.
Hogyan van besorolva
Címkék, amelyeket a forráshalmaz alkalmaz, amikor figyelemmel kíséri a figyelemre méltó modelleket, és mennyire biztos a bejegyzésben.
- Rögzítési bizalom
- Likely
- Citations
- 56
Források
Honnan származik ez a rekord és mikor ellenőrizték utoljára.
- Referencia
- ASE: Large-Scale Reusable Adversarial Skill Embeddings for Physically Simulated Characters
- Utoljára frissítve
- 28 November 2025
Mit jelentek a számok
Erről a modellről
ASE was published by NVIDIA,University of California (UC) Berkeley, in United States of America, in May 2022. The organisation is categorised as industry,Academia.
It works in Robotics, and is recorded as doing animal (human/non-human) imitation.
Súlyait soha nem publikálták, így csak a szolgáltatóján keresztül érhető el. Nincs grafikus kártya, amely ezt megváltoztatja.
Mi került a megépítésébe
The training run consumed about 4.5 × 10¹⁹ FLOP, on NVIDIA Tesla V100 PCIe 16 GB. That figure describes the cost of creating it and has no bearing on how quickly it generates text.
Válaszok
ASE — Gyakran ismételt kérdések
Is ASE open source?
The licensing for ASE was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does ASE have?
No parameter count has been published for ASE, which is why no memory or speed figure appears on this page.
Who created ASE?
ASE was published by NVIDIA,University of California (UC) Berkeley, based in United States of America, categorised as industry,Academia.
When was ASE released?
ASE was published in May 2022. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is ASE used for?
ASE works in Robotics, and is recorded as handling animal (human/non-human) imitation. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
How much compute was used to train ASE?
Around 4.5 × 10¹⁹ FLOP, on NVIDIA Tesla V100 PCIe 16 GB. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run ASE?
None. ASE is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már rendelkezik egy kártyával és szeretné tudni, hogy minden mit fog futtatni, kérjük, folytassa., kezdje a hardverrel inkább.