知一知 · 今日
← 返回本期日报

AI 前沿

Doomformer把整数神经网络编译进DOOM地图完成数字识别

本期日期 2026-10-30 · 08:00 北京时间

Doomformer可将整数神经网络编译为ZDoom地图并在ViZDoom中运行,利用游戏中的voodoo dolls执行算术,以扇区光照和平面高度保存数值。项目用784-64-10网络识别手写数字,并由Python逐值对照NumPy结果,容差为零。

Doomformer把神经网络计算映射到DOOM引擎:voodoo dolls负责算术,扇区光照等级和平面高度保存求和结果。Python从运行中的游戏读回所有暴露值,并与NumPy整数参考实现比较,容差为0;只要一个值相差1,运行即判定失败。

演示聚焦MNIST手写数字。地图读取784个像素,经过64个隐藏单元、45组成对分数比较和10个获胜计数,最终点亮对应数字显示。Python会检查248个读回值,包括119个值及其取负孪生值和10个输出。项目强调,EXACT只表示DOOM计算与整数网络完全一致,并不单独保证分类正确。

性能非常慢。开发者称,在小型MLP上,引擎耗时约为NumPy的2.3万倍,若把整个调用计时纳入则约6.5万倍。默认调度下识别一个手写数字需要163秒实时DOOM时间,即5705个游戏tick;使用--opt 3优化后为273个tick、约8秒。

准确率方面,前100个MNIST测试数字中DOOM读对99个;从全部1万张中抽样的1000张里读对966个,所有计算结果均精确。整数网络在全部1万张上的准确率为97.16%,浮点模型为97.58%。用户也可在游戏中按住FIRE用3×3画笔自行绘制数字。

原文来源

Hacker News ↗
返回本期日报打开交互阅读页