AlphaTensor
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
- DeepMind
- Typ organizacji
- Industry
- Kraj
- United Kingdom of Great Britain and Northern Ireland
- Opublikowany
- 5 October 2022
- Autorzy
- Alhussein Fawzi, Matej Balog, Aja Huang, Thomas Hubert, Bernardino Romera-Paredes, Mohammadamin Barekatain, Alexander Novikov, Francisco J. R. Ruiz, Julian Schrittwieser, Grzegorz Swirszcz, David Silver, Demis Hassabis & Pushmeet Kohli
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Other, Games, Mathematics
- Podejście
- Supervised
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
- tokens
"We create a dataset containing 5 million such tensor-factorization pairs."
Obliczenia treningowe
Arytmetyka wykonywana w celu wytrenowania modelu, mierzona w operacjach zmiennoprzecinkowych. Jest to miara kosztów przeprowadzenia treningu, a nie tego, jak szybko gotowy model odpowiada na twoje pytania.
- Obliczenia treningowe
- 7.1 × 10²⁰ FLOP
- Jak to zostało ustalone
- Hardware
Compute: 0.3 [assumed utilization] * (64 cores / 2 cores per chip )*123000000000000 FLOP / TPU v3 chip / sec * 7 days * 24 hours / day * 3600 sec / hour = 7.1414784e+20 FLOP
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 v3
- Zastosowane chipy
- 64
- Czas rzeczywisty
- 168 hours (7 days)
- Pobór mocy
- 57.6 kW
In practice, the procedure takes a week to converge.
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
Apache 2.0 for algorithmic outputs https://github.com/google-deepmind/alphatensor
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- SOTA improvement
- Zapisz pewność
- Confident
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Discovering faster matrix multiplication algorithms with reinforcement learning
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Co to jest model?
AlphaTensor został opublikowany przez DeepMind, w kraju zapisanym jako United Kingdom of Great Britain and Northern Ireland, podczas October 2022. Kategoria, do której należy wydawca, to industry.
Działa w dziedzinie Other, Games, Mathematics.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Jak to zostało wytrenowane
Trenowanie zajęło budżet obliczeniowy wynoszący około 7.1 × 10²⁰ FLOP, na sprzęcie zarejestrowanym jako Google TPU v3. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Powód, dla którego w ogóle pojawia się w tym katalogu: sOTA improvement.
Odpowiedzi
AlphaTensor — częste pytania
AlphaTensor— do czego to służy?
Działa w dziedzinie Other, Games, Mathematics. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
AlphaTensor— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 7.1 × 10²⁰ FLOP, na sprzęcie zarejestrowanym jako Google TPU v3. To mierzy, ile kosztowało wyprodukowanie modelu i nie mówi nic o tym, jak szybko odpowiada po wytrenowaniu — prędkość wnioskowania pochodzi z SZEROKOŚCI PASMA, a nie z budżetu treningowego.
AlphaTensor— 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.
AlphaTensor— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
AlphaTensor— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
AlphaTensor— kto to stworzył?
Zostało opublikowane przez DeepMind, oparty na United Kingdom of Great Britain and Northern Ireland, organizacja sklasyfikowana jako industry.
AlphaTensor— kiedy to zostało wydane?
Zostało opublikowane w October 2022. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
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.