MuZero
Nincs becslés
Nincs hardver követelmény ennek a modellnek
A modellhez tartozó súlyokat nem tették közzé, így nem tölthető le vagy futtatható a saját hardverén bármilyen méretben. Csak a szolgáltatóján keresztül érhető el, és egyetlen grafikus kártya sem változtat ezen..
Nyilvántartásban
Teljes specifikáció
Minden feljegyzett ezzel a modellel kapcsolatban. A legtöbbje azt írja le, hogyan képezték ki, nem pedig azt, hogyan fut — hasznos kontextus annak megítéléséhez, hogy mennyi munka ment bele, és hogyan viszonyul a más méretben épített modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- DeepMind
- Szervezet típusa
- Industry
- Ország
- United Kingdom of Great Britain and Northern Ireland
- Közölt
- 19 November 2019
- Szerzők
- J Schrittwieser, I Antonoglou, T Hubert, K Simonyan
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Games
- Feladat
- Atari
- Megközelítés
- Self-supervised learning
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Paraméterek
- 36.9M
- Képzési adatok
- 12,288,000,000 tokens
Both the representation and dynamics function use the same architecture asAlphaZero, but with 16 instead of20 residual blocks [15]. We use 3x3 kernels and 256 hidden planes for each convolution. Previous downsampling: • 1 convolution with stride 2 and 128 output planes, output resolution 48x48.• 2 residual blocks with 128 planes• 1 convolution with stride 2 and 256 output planes, output resolution 24x24.• 3 residual blocks with 256 planes.• Average pooling with stride 2, output resolution …
Table 1 https://arxiv.org/pdf/1911.08265.pdf
Képzés számítás
A modell tanításához végrehajtott aritmetika, lebegőpontos műveletekben mérve. Ez a tanítási futás költségének mértéke, nem pedig annak, hogy mennyire gyorsan válaszol a kész modell.
- Képzés számítás
- 4.8 × 10¹⁹ FLOP
- Hogyan jött létre
- Hardware
third-generation Google Cloud TPU (For each board game, we used 16 TPUs for training and 1000 TPUs for self-play) For each game in Atari, we used 8 TPUs for training and 32 TPUs for self-play Training for 12 hours (for Atari) Data from Parameter, Compute and Data Trends in Machine Learning Google v3 TPU: 1.23E+14 FLOP/s (although with the caveat that it might be not applicable) Utilization rate In LaMDA: Language Models for Dialog Applications, they report for TPU V3: 56.5% Calculations for Ata…
Elérhetőség
Hogy meg tudja-e szerezni a modellt és futtatni a saját hardverén, ez dönt arról, hogy alkalmazhatóak-e a lap ezen oldalán feltüntetett grafikus kártya adatok.
- Súlyok
- Closed — provider access only
- Modell hozzáférés
- Unreleased
- Képzés kód
- Unreleased
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Miért követik nyomon
- Highly cited,SOTA improvement
- Nyilvántartási bizalom
- Speculative
- Hivatkozások
- 2,491
"When evaluated on 57 different Atari games - the canonical video game environment for testing AI techniques, in which model-based planning approaches have historically struggled - our new algorithm achieved a new state of the art. "
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Mastering Atari Go Chess and Shogi by Planning with a Learned Model
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Mit jelent ez a modell
MuZero ki lett adva által DeepMind, az országban rögzítve mint United Kingdom of Great Britain and Northern Ireland, alatt November 2019. A kiadó szervezet a következő kategóriába tartozik industry.
Működik a területen a Games, és úgy van rögzítve, mint a feladat végrehajtása atari.
Súlyait soha nem tették közzé, így csak a szolgáltatóján keresztül érhető el. Nincs grafikus kártya, ami ezt megváltoztatná.
Mi került a felépítésébe
A létrehozásához körülbelül összesítő aritmetikára volt szükség. 4.8 × 10¹⁹ FLOP. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
A tanító készlet kb. futott 12,288,000,000 szöveg tokenjei
A kiválasztási kritériuma: highly cited,SOTA improvement.
Válaszok
MuZero — gyakori kérdések
MuZero— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 4.8 × 10¹⁹ FLOP. Ez azt méri, hogy mennyibe került a modell előállítása, és semmit nem mond arról, hogy milyen gyorsan válaszol, miután betanult — a következtetési sebesség a memória sávszélességéből származik, nem az edzési költségvetésből.
MuZero— Milyen GPU-ra van szükségem, hogy futtathassam?
Ez egy zárt modell — a súlyait soha nem tették közzé, így nem tölthető le és nem futtatható a saját hardverén semmilyen áron. Csak a szolgáltatóján keresztül érhető el.
MuZero— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
MuZero— Hány paramétere van?
Paraméterszáma 36.9M. Both the representation and dynamics function use the same architecture asAlphaZero, but with 16 instead of20 residual blocks [15]. We use 3x3 kernels and 256 hidden planes for each convolution. Previous downsampling: • 1 convolution with stride 2 and 128 output planes, output resolution 48x48.• 2 residual blocks with 128 planes• 1 convolution with stride 2 and 256 output planes, output resolution 24x24.• 3 residual blocks with 256 planes.• Average pooling with stride 2, output resolution 12x12.• 3 residual blocks with 256 planes.• Average pooling with stride 2, output resolution 6x6. Ez a szám a teljes összeg, és ez határozza meg, hogy mennyi VRAM-ra van szüksége a modelleknek — körülbelül fél gigabájt milliárdonként a legtöbb ember által használt tömörítési módban.
MuZero— Ki készítette ezt?
Kiadta DeepMind, alapján United Kingdom of Great Britain and Northern Ireland, egy szervezet, amelyet kategorizáltak mint industry.
MuZero— Mikor adták ki?
Kibocsátották a November 2019. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
MuZero— Mire használják?
Működik a területen a Games, és rögzítve van, hogy kezeli a feladatot atari. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már van kártyád, és szeretnéd tudni, hogy mindent futtat-e, Kezdj a hardverből..