GameNGen
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Google Research,Google DeepMind,Tel Aviv University
- Typ organizacji
- Industry,Industry,Academia
- Kraj
- United States of America, Israel
- Opublikowany
- 22 August 2024
- Autorzy
- Dani Valevski, Yaniv Leviathan, Moab Arar, Shlomi Fruchter
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Games
- Zadanie
- Doom
- Model bazowy
- Stable Diffusion (LDM-KL-8-G)
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Dane treningowe
- 458,802,000,000 tokens
" We use a batch size of 128 " (for the main training) "Unless noted otherwise, all results in the paperare after 700,000 training steps. <..> We use a batch size of 2,048 for optimizing the latent decoder, other training parameters are identical to those of the denoiser. <..> Overall we generate 900M frames for training. All image frames (during training, inference, and conditioning) are at a resolution of 320x240 padded to 320x256."
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- Google TPU v5e
- Zastosowane chipy
- 128
- Pobór mocy
- 56.8 kW
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.
- Wagi
- Closed — provider access only
- Dostęp do modelu
- Unreleased
- Kod treningowy
- Unreleased
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Unknown
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Diffusion Models Are Real-Time Game Engines
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
O tym modelu
GameNGen został opublikowany przez Google Research,Google DeepMind,Tel Aviv University, w kraju zapisanym jako United States of America, podczas August 2024. Organizacja publikująca jest klasyfikowana jako industry,Industry,Academia.
Działa w dziedzinie Games, i jest zapisany jako wykonujący zadanie doom.
Zamiast być trenowanym od podstaw, pochodzi z Stable Diffusion (LDM-KL-8-G). To jest zwykły sposób produkcji wyspecjalizowanego modelu.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Szkolenie i pochodzenie
Został wytrenowany na korpusie około 458,802,000,000 Tokeny tekstu.
Odpowiedzi
GameNGen — częste pytania
GameNGen— Jaką GPU potrzebuję, aby ją uruchomić?
Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.
GameNGen— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
GameNGen— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
GameNGen— kto to stworzył?
Zostało opublikowane przez Google Research,Google DeepMind,Tel Aviv University, oparty na United States of America, organizacja sklasyfikowana jako industry,Industry,Academia.
GameNGen— kiedy to zostało wydane?
Zostało opublikowane w August 2024. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
GameNGen— do czego to służy?
Działa w dziedzinie Games, i jest zarejestrowany jako realizujący zadanie doom. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.