AlphaGo Zero
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
- 18 October 2017
- Autorzy
- D Silver, J Schrittwieser, K Simonyan, I Antonoglou
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Games
- Zadanie
- Go
- Podejście
- Self-supervised learning
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 46.4M
- Dane treningowe
- 6,348,800,000 tokens
Input size: 19*19*17=6137, internal dimension 19*19 1 conv block 17*3*3*256=39168 39 residual blocks 2*3*3*256*256=1179648 Policy head 256*2+2*19*19*(19*19+2)=262598 Value head 256*1+1*19*19*256+256*1=92928 Total: 39168+39*1179648+262598+92928=46400966
"Over the course of training, 29 million games of self-play were generated" Approx 200 moves per Go game on average https://homepages.cwi.nl/~aeb/go/misc/gostat.html Thus 200 * 29e6 = 5.8e9
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
- 6.5 × 10²⁰ FLOP
- Jak to zostało ustalone
- Third-party estimation,Hardware
Updating this compute estimate to only account for direct training compute, not synthetic data generation compute. Number of connections (to calculate forward FLOP) Input size: 19*19*17, Assuming internal dimension stays at 19*19 1 conv block 19*19*17*3*3*256=14139648 40 residual blocks 19*19*2*3*3*256*256=425852928 Policy head 19*19*256*2+2*19*19*(19*19+2)=446918 Value head 19*19*256*1+1*19*19*256+256*1=185088 Total: 14139648+40*425852928+446918+185088=17048888774 Forward FLOP: 2*17048888774=3…
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 v1
- Czas rzeczywisty
- 480 hours (20 days)
- Koszt obliczeniowy
- $1,214
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.
- Model Frontier
- Yes
- Dlaczego to jest śledzone
- Highly cited
- Zapisz pewność
- Confident
- Cytaty
- 10,021
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Mastering the game of Go without human knowledge
- Ostatnio zaktualizowane
- 1 January 2026
Co oznaczają liczby
Skąd to pochodzi
AlphaGo Zero został opublikowany przez DeepMind, w kraju zapisanym jako United Kingdom of Great Britain and Northern Ireland, podczas October 2017. Wychodzi z organizacji zaklasyfikowanej jako industry.
Działa w dziedzinie Games, i jest zapisany jako wykonujący zadanie go.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Jak to zostało wytrenowane
Trening zajmował około 6.5 × 10²⁰ FLOP, na sprzęcie zarejestrowanym jako Google TPU v1. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Zbiór treningowy trwał około 6,348,800,000 Tokeny tekstu.
Kryterium włączenia: highly cited.
Odpowiedzi
AlphaGo Zero — częste pytania
AlphaGo Zero— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 6.5 × 10²⁰ FLOP, na sprzęcie zarejestrowanym jako Google TPU v1. 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.
AlphaGo Zero— 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.
AlphaGo Zero— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
AlphaGo Zero— ile ma parametrów?
Ma liczbę parametrów równą 46.4M. Input size: 19*19*17=6137, internal dimension 19*19 1 conv block 17*3*3*256=39168 39 residual blocks 2*3*3*256*256=1179648 Policy head 256*2+2*19*19*(19*19+2)=262598 Value head 256*1+1*19*19*256+256*1=92928 Total: 39168+39*1179648+262598+92928=46400966. Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.
AlphaGo Zero— kto to stworzył?
Zostało opublikowane przez DeepMind, oparty na United Kingdom of Great Britain and Northern Ireland, organizacja sklasyfikowana jako industry.
AlphaGo Zero— kiedy to zostało wydane?
Zostało opublikowane w October 2017. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
AlphaGo Zero— do czego to służy?
Działa w dziedzinie Games, i jest zarejestrowany jako realizujący zadanie go. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
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.