TD-Gammon
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
- IBM
- Szervezet típusa
- Industry
- Ország
- United States of America
- Közölt
- 1 May 1992
- Szerzők
- G Tesauro
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Games
- Feladat
- Backgammon
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
- 25K
- Képzési adatok
- 6,300,000 tokens
"The best performance was obtained with a network containing 80 hidden units and over 25,000 weights."
"This network was trained for over 300,000 training games" Each backgammon game has an avg of around 21 movements https://www.bkgm.com/rgb/rgb.cgi?view+712
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
- 1.8 × 10¹³ FLOP
- Hogyan jött létre
- Third-party estimation,Operation counting,Hardware
Extracted from AI and Compute (https://openai.com/blog/ai-and-compute/) charts by using https://automeris.io/WebPlotDigitizer/. OpenAI estimate: 1.8e13 Hardware estimate (likely overestimates due to simulation effort) "on an IBM RS/6000 workstation, the smallest network was trained in several hours, while the largest net required two weeks of simulation time." IBM RS/6000 achieves 1.5 GFLOPS on Linpack (https://link.springer.com/rwe/10.1007/978-0-387-09766-4_232) 14*24*60*60*0.5*1500000000=9.…
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Határmodell
- Yes
- Miért követik nyomon
- Highly cited,Historical significance
- Nyilvántartási bizalom
- Speculative
- Hivatkozások
- 1,344
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Practical Issues in Temporal Difference Learning
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Háttér
TD-Gammon ki lett adva által IBM, az országban rögzítve mint United States of America, alatt May 1992. A kiadó kategóriája alá tartozik industry.
Működik a területen a Games, és úgy van rögzítve, mint a feladat végrehajtása backgammon.
Ez egy zárt modell: a betanított értékek azoknál maradtak, akik előállították őket, és nincs helyi verzió a futtatáshoz.
Képzés és származás
A létrehozásához körülbelül összesítő aritmetikára volt szükség. 1.8 × 10¹³ FLOP. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
A képzés körülbelül egy korpuszt fogyasztott 6,300,000 szöveg tokenjei
Az oka, hogy egyáltalán megjelenik ebben a katalógusban: highly cited,Historical significance.
Válaszok
TD-Gammon — gyakori kérdések
TD-Gammon— Mire használják?
Működik a területen a Games, és rögzítve van, hogy kezeli a feladatot backgammon. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
TD-Gammon— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 1.8 × 10¹³ 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.
TD-Gammon— 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.
TD-Gammon— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
TD-Gammon— Hány paramétere van?
Paraméterszáma 25K. "The best performance was obtained with a network containing 80 hidden units and over 25,000 weights.". 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.
TD-Gammon— Ki készítette ezt?
Kiadta IBM, alapján United States of America, egy szervezet, amelyet kategorizáltak mint industry.
TD-Gammon— Mikor adták ki?
Kibocsátották a May 1992. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
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..