Tavolina e majtë ABSTRACT abstraktë 1 INTRODUCTION 1 Hyrje 2 INTERACTIVE WORLD SIMULATION 2 Simulimi interaktiv i botës 3 GAMENGEN 3 Lojërat 3.1 Mbledhja e të dhënave përmes lojës së agjentëve 3.2 Trajnimi i modelit të difuzionit gjenerativ 4 EXPERIMENTAL SETUP 4 Përgatitja eksperimentale 4.1 Trajnimi i agjentëve 4.2 Trajnimi i modelit gjenerativ 5 RESULTS 5 Rezultatet 5.1 Cilësia e simulimit 5.2 Ablacionet 6 RELATED WORK 6 Punë të lidhura 7 DISCUSSION, ACKNOWLEDGEMENTS AND REFERENCES 7 Diskutimi, njohjet dhe referencat 4 EXPERIMENTAL SETUP 4 Përgatitja eksperimentale 4.1 AGENT TRAINING Modeli i agjentit është trajnuar duke përdorur PPO (Schulman et al., 2017), me një CNN të thjeshtë si rrjetin e karakteristikave, pas Mnih et al. (2015). Ajo është trajnuar në CPU duke përdorur infrastrukturën Stable Baselines 3 (Raffin et al., 2021). Agjenti ofrohet me versione të reduktuara të imazheve të kornizës dhe hartën në lojë, secili në rezolucion 160x120. Agjenti gjithashtu ka qasje në 32 veprimet e fundit që ka kryer. Rrjeti i karakteristikave llogarit një përfaqësim të madhësisë 512 për çdo imazh. Aktori dhe kritiku i PPO janë kokat e MLP të shtresave të dyta mbi një konkatenim të prodhimeve të rrjetit të karakteristikave të imazhit dhe sekuencën e vepr 4.2 GENERATIVE MODEL TRAINING Ne stërvitim të gjitha modelet e simulimit të kontekstit nga një pikë kontrolli e para-trajnuar e të dhënave të Stable Diffusion 1.4, duke zhdukur të gjitha parametrat e U-Net. Ne përdorim një madhësi batch të 128 dhe një normë të vazhdueshme të mësimit të 2e-5, me optimizuesin e Adafactor pa humbje peshe (Shazeer & Stern, 2018) dhe gradient clipping e 1.0. Ne ndryshojmë parametrimin e humbjes së përhapjes për të qenë v-prediction (Salimans & Ho (2022a). Kushtet e kornizave të kontekstit bien me probabilitet 0.1 për të lejuar CFG gjatë inferencës. Ne stërvitim duke përdorur 128 pajisje TPU-v5e me paralelizim të të dhënave. Përveç nëse 
 
 
 Autorët : 
 
 
 
 
 Dani Valjevski Yaniv Leviathan Moab Arar Shlomi Frutë Autorët : 
 
 
 
 
 Dani Valjevski Gjergj Leviatani Moab Arar Shlomi Frutë 
 
 Ky dokument është në dispozicion në arkiv nën licencën CC by 4.0 Deed (Attribution 4.0 International). Ky dokument është në dispozicion në arkiv nën licencën CC by 4.0 Deed (Attribution 4.0 International). Në dispozicion në arkiv

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

HOMEPAGE: Interoperability.TECH

Interoperability

Kjo audio është prodhuar në gjuhën origjinale të tregimit!

Si mësimi i forcimit dhe shpërndarja e qëndrueshme po kombinohen për të simuluar botët e lojës

About Author

KOMENTE

VARUR TAGS

KY ARTIKU U PARAQIT NË

Related Stories

Rrjeti SQD sapo vrau emetimet e tokenëve.Ja çfarë paguan 16 miliardë dollarë në DeFi TVL

Rrjeti SQD sapo vrau emetimet e tokenëve.Ja çfarë paguan 16 miliardë dollarë në DeFi TVL

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps