Наразі працюю над навчанням RL моделі безпосередньо з піксельних даних - створив власні структури даних та конвеєри рендерингу з нуля. Реалізував спільні дерева пулів для прискорення операцій трасування променів у кількох випадкових середовищах. Остання оптимізація фактично зменшила вимоги до паралелізації, але тепер я стикаюся з обмеженнями розміру партії. Компроміси скрізь у цьому робочому процесі.
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
14 лайків
Нагородити
14
5
Репост
Поділіться
Прокоментувати
0/400
BackrowObserver
· 10год тому
Чому так складно? Хтось розуміє?
Переглянути оригіналвідповісти на0
SelfRugger
· 10год тому
Паралельні обчислення трохи не витримують.
Переглянути оригіналвідповісти на0
LayerZeroJunkie
· 10год тому
Вражаюче! Безпосередньо застосовуємо структуру дерев для посиленого навчання.
Переглянути оригіналвідповісти на0
GateUser-2fce706c
· 10год тому
Ой, хоча й складно, але це можливість. Раннє розгортання — ранній врожай.
Наразі працюю над навчанням RL моделі безпосередньо з піксельних даних - створив власні структури даних та конвеєри рендерингу з нуля. Реалізував спільні дерева пулів для прискорення операцій трасування променів у кількох випадкових середовищах. Остання оптимізація фактично зменшила вимоги до паралелізації, але тепер я стикаюся з обмеженнями розміру партії. Компроміси скрізь у цьому робочому процесі.