TRPO
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
- University of California (UC) Berkeley
- Szervezet típusa
- Academia
- Ország
- United States of America
- Közölt
- 19 February 2015
- Szerzők
- John Schulman, Sergey Levine, Philipp Moritz, Michael I. Jordan, Pieter Abbeel
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Games
- Feladat
- Atari
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
- 33.5K
- Képzési adatok
- tokens
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Fali óra idő
- 30 hours
"The 500 iterations of our algorithm took about 30 hours (with slight variation between games) on a 16-core computer."
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
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
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 8,305
Also listed in Denis Panjuta's List of 100+ AI Algorithms
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Trust Region Policy Optimization
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Mit jelent ez a modell
TRPO ki lett adva által University of California (UC) Berkeley, az országban rögzítve mint United States of America, alatt February 2015. A kiadó szervezet a következő kategóriába tartozik academia.
Működik a területen a Games, és úgy van rögzítve, mint a feladat végrehajtása atari.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Képzés és származás
A kiválasztási kritériuma: highly cited.
Válaszok
TRPO — gyakori kérdések
TRPO— 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.
TRPO— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
TRPO— Hány paramétere van?
Paraméterszáma 33.5K. 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.
TRPO— Ki készítette ezt?
Kiadta University of California (UC) Berkeley, alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia.
TRPO— Mikor adták ki?
Kibocsátották a February 2015. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
TRPO— Mire használják?
Működik a területen a Games, és rögzítve van, hogy kezeli a feladatot atari. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
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..