Dueling DQN
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 DeepMind
- Typ organizacji
- Industry
- Kraj
- United States of America
- Opublikowany
- 5 April 2016
- Autorzy
- Ziyu Wang, Tom Schaul, Matteo Hessel, Hado van Hasselt, Marc Lanctot, Nando de Freitas
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Games
- Zadanie
- Atari
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 1.7M
- Dane treningowe
- tokens
Same parameter count as DQN
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.
- Dlaczego to jest śledzone
- SOTA improvement
- Zapisz pewność
- Confident
"the dueling architecture enables our RL agent to outperform the state-of-the-art on the Atari 2600 domain"
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Dueling Network Architectures for Deep Reinforcement Learning
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
O tym modelu
Dueling DQN został opublikowany przez Google DeepMind, w kraju zapisanym jako United States of America, podczas April 2016. Kategoria, do której należy wydawca, to industry.
Działa w dziedzinie Games, i jest zapisany jako wykonujący zadanie atari.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Jak to zostało wytrenowane
Powód, dla którego w ogóle pojawia się w tym katalogu: sOTA improvement.
Odpowiedzi
Dueling DQN — częste pytania
Dueling DQN— kto to stworzył?
Zostało opublikowane przez Google DeepMind, oparty na United States of America, organizacja sklasyfikowana jako industry.
Dueling DQN— kiedy to zostało wydane?
Zostało opublikowane w April 2016. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Dueling DQN— do czego to służy?
Działa w dziedzinie Games, i jest zarejestrowany jako realizujący zadanie atari. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
Dueling DQN— 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.
Dueling DQN— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
Dueling DQN— ile ma parametrów?
Ma liczbę parametrów równą 1.7M. Same parameter count as DQN. 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.
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.