MetaMimic

Zárt súlyok Google 22M Paraméterek October 2018

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
Google
Szervezet típusa
Industry
Ország
United States of America
Közölt
11 October 2018
Szerzők
Tom Le Paine, Sergio Gomez

Mit csinál

A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.

Tartomány
Robotics
Feladat
Robotic manipulation
Megközelítés
Reinforcement 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
22M

"This representational demand motivates the introduction of high-capacity deep neural networks. We found the architecture, shown in Figure 3, with residual connections, 20 convolution layers with 512 channels for a total of 22 million parameters, and instance normalization to drastically improve performance, as shown in Figure 6 of the Experiments section."

Képzési adatok
tokens

Hogyan van besorolva

Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.

Miért követik nyomon
SOTA improvement

"By retaining and taking advantage of all its experiences, MetaMimic also substantially outperforms the state-of-the-art D4PG RL agent, when D4PG uses only the current task experiences." I haven't found any standard benchmarks or metrics that they claim SOTA on

Hivatkozások
26

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia
One-Shot High-Fidelity Imitation: Training Large-Scale Deep Nets with RL
Utoljára frissítve
28 November 2025

Mit jelentenek a számok

Háttér

MetaMimic ki lett adva által Google, az országban rögzítve mint United States of America, alatt October 2018. A kiadó szervezet a következő kategóriába tartozik industry.

Működik a területen a Robotics, és úgy van rögzítve, mint a feladat végrehajtása robotic manipulation.

Súlyait soha nem tették közzé, így csak a szolgáltatóján keresztül érhető el. Nincs grafikus kártya, ami ezt megváltoztatná.

Mi került a felépítésébe

Egy különös okból nyomon követik az alapul szolgáló adatbázisban: sOTA improvement.

Válaszok

MetaMimic — gyakori kérdések

01

MetaMimic— Mire használják?

Működik a területen a Robotics, és rögzítve van, hogy kezeli a feladatot robotic manipulation. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.

02

MetaMimic— 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.

03

MetaMimic— Nyílt forráskódú?

A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.

04

MetaMimic— Hány paramétere van?

Paraméterszáma 22M. "This representational demand motivates the introduction of high-capacity deep neural networks. We found the architecture, shown in Figure 3, with residual connections, 20 convolution layers with 512 channels for a total of 22 million parameters, and instance normalization to drastically improve performance, as shown in Figure 6 of the Experiments section.". 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.

05

MetaMimic— Ki készítette ezt?

Kiadta Google, alapján United States of America, egy szervezet, amelyet kategorizáltak mint industry.

06

MetaMimic— Mikor adták ki?

Kibocsátották a October 2018. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.

Forrás

Eredeti kiadvány

Az utolsó frissítés időpontja 28 November 2025

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..