HyperNEAT

Pesi chiusi University of Texas at Austin 239.7K parametri March 2014

Nessuna stima

Nessun requisito hardware per questo modello

I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.

In registrazione

specifiche complete

Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..

Origine

Chi ha costruito questo modello, dove e quando è stato pubblicato.

Organizzazione
University of Texas at Austin
Tipo di organizzazione
Academia
Paese
United States of America
Pubblicato
5 March 2014
Autori
M Hausknecht, J Lehman

Cosa fa

Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.

Dominio
Games
Compito
Atari

Dimensione

Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.

parametri
239.7K

"The ANN consists of three layers (Fig. 3): a substrate layer inwhich information from the game screen (raw pixels, objects, ornoise) is given as input to the network; a processing layer whichadds a nonlinear internal representation; and a nonlinear outputlayer from which actions are read and conveyed to the Atari em-ulator. Both the input and output layers are fully connected tothe processing layer. The substrate dimensionality of the inputand processinglayers is 810 in the case of the object r…

Dati di addestramento
750,000,000 tokens

Come è classificato

Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.

Perché è monitorato
SOTA improvement

"Neuroevolution ameliorates these problems and evolved policies achieve state-of-the-art results, even surpassing human high scores on three games"

Citazioni
195

Fonti

Da dove proviene questo record e quando è stato controllato l'ultima volta.

Riferimento
A Neuroevolution Approach to General Atari Game Playing
Ultimo aggiornamento
28 November 2025

Cosa significano i numeri

Informazioni su questo modello

HyperNEAT è stato pubblicato da University of Texas at Austin, nel paese registrato come United States of America, durante March 2014. Esce da un'organizzazione categorizzata come academia.

Funziona nel dominio di Games, ed è registrato come eseguire il compito di atari.

I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.

Cosa è stato necessario per costruirlo

Il set di addestramento si aggirava attorno a 750,000,000 token di testo

È tracciato nel dataset sottostante per una ragione in particolare: sOTA improvement.

Risposte

HyperNEAT — domande comuni

01

HyperNEAT— è open-source?

La licenza non è mai stata registrata nei nostri dati sorgente. Trattiamo le licenze non dichiarate come chiuse, perché una licenza non registrata non è una su cui fare affidamento.

02

HyperNEAT— quanti parametri ha?

Ha un numero di parametri di 239.7K. "The ANN consists of three layers (Fig. 3): a substrate layer inwhich information from the game screen (raw pixels, objects, ornoise) is given as input to the network; a processing layer whichadds a nonlinear internal representation; and a nonlinear outputlayer from which actions are read and conveyed to the Atari em-ulator. Both the input and output layers are fully connected tothe processing layer. The substrate dimensionality of the inputand processinglayers is 810 in the case of the object repre-sentation and 1621 for the pixel and noise representations.3The output layer consists of a 33 substrate mirroring the ninepossible directions of the Atari 2600 joystick and a single noderepresenting thefire button". Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.

03

HyperNEAT— chi l'ha creato?

È stato pubblicato da University of Texas at Austin, basato su United States of America, un'organizzazione categorizzata come academia.

04

HyperNEAT— quando è stato rilasciato?

È stato pubblicato in March 2014. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.

05

HyperNEAT— A cosa serve?

Funziona nel dominio di Games, e viene registrato come gestire il compito di atari. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.

06

HyperNEAT— che GPU ho bisogno per eseguirlo?

Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 28 November 2025

L'altra direzione

Guardandolo dall'altro lato?

Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.