AlphaX-1
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti pro tento model nebyly zveřejněny, takže jej nelze stáhnout ani spustit na vlastním hardwaru v žádné velikosti. Je dostupný pouze prostřednictvím svého poskytovatele, a žádná změna grafické karty to nezmění..
Na záznamu
Plná specifikace
Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..
Původ
Kdo vytvořil tento model, kde a kdy byl publikován.
- Organizace
- Facebook AI Research,Brown University
- Typ organizace
- Industry,Academia
- Země
- United States of America, France
- Publikováno
- 2 October 2019
- Autoři
- Linnan Wang, Yiyang Zhao, Yuu Jinnai, Yuandong Tian, Rodrigo Fonseca1
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Vision
- Úkol
- Neural architecture search for computer vision, Image classification, Object detection, Image captioning
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 5.4M
- Výcviková data
- 61,280,000 tokens
Table 3: multiadds for AlphaX-1 579M, parameters 5.4M
Standard image net training size, not otherwise specified
Výpočty pro trénink
Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál tréninkový běh, ne jak rychle hotový model na vás odpovídá.
- Výpočty pro trénink
- 8.9 × 10¹⁷ FLOP
" Our models for ImageNet use polynomial learning rate schedule, starting with 0.05 and decay through 200 epochs." 1280000 images * 200 epochs *3 forward-backward adjustment * 1158000000 forward FLOP =889344000000000000
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA GeForce GTX 1080 Ti
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.
- Hmotnosti
- Closed — provider access only
- Přístup k modelu
- Unreleased
- Tréninkový kód
- Open (non-commercial)
code, no license specified: https://github.com/linnanwang/AlphaX-NASBench101 training: https://github.com/linnanwang/AlphaX-NASBench101/blob/master/net_training.py
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Proč je to sledováno
- SOTA improvement
- Záznam důvěry
- Confident
- Citace
- 100
"In 12 GPU days and 1000 samples, AlphaX found an architecture that reaches 97.84\% top-1 accuracy on CIFAR-10, and 75.5\% top-1 accuracy on ImageNet, exceeding SOTA NAS methods in both the accuracy and sampling efficiency"
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- AlphaX: eXploring Neural Architectures with Deep Neural Networks and Monte Carlo Tree Search
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
O tomto modelu
AlphaX-1 byl zveřejněn Facebook AI Research,Brown University, v zemi zaznamenané jako United States of America, během October 2019. Vychází z organizace, která je kategorizována jako industry,Academia.
funguje v oblasti Vision, a je zaznamenán jako vykonávající úkol neural architecture search for computer vision, Image classification, Object detection, Image captioning.
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Trénink a původ
Produkce toho vyžadovala aritmetiku v celkové výši přibližně 8.9 × 10¹⁷ FLOP, na hardwaru zaznamenáno jako NVIDIA GeForce GTX 1080 Ti. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Trénink spotřeboval korpus kolem 61,280,000 tokeny textu
Je sledováno v základním datasetu z jednoho konkrétního důvodu: sOTA improvement.
Odpovědi
AlphaX-1 — běžné otázky
AlphaX-1— Jakou GPU potřebuji k jejímu spuštění?
Žádné. Toto je uzavřený model — jeho váhy nikdy nebyly zveřejněny, takže jej nelze stáhnout nebo spustit na vlastním hardwaru za žádnou cenu. Je dostupný pouze prostřednictvím jeho poskytovatele.
AlphaX-1— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
AlphaX-1— kolik má parametrů?
Má počet parametrů 5.4M. Table 3: multiadds for AlphaX-1 579M, parameters 5.4M. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
AlphaX-1— Kdo to vytvořil?
Bylo to publikováno společností Facebook AI Research,Brown University, zakládající se na United States of America, organizace zařazená jako industry,Academia.
AlphaX-1— Kdy byl vydán?
Bylo to zveřejněno v October 2019. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
AlphaX-1— K čemu se to používá?
funguje v oblasti Vision, a je zaznamenáno jako zpracovávající úkol neural architecture search for computer vision, Image classification, Object detection, Image captioning. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
AlphaX-1— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 8.9 × 10¹⁷ FLOP, na hardwaru zaznamenáno jako NVIDIA GeForce GTX 1080 Ti. To měří, co stálo výrobu modelu, a neříká nic o tom, jak rychle odpovídá po natrénování — rychlost inferencí závisí na šířce pásma paměti, nikoli na rozpočtu na trénink.
Druhý směr
Díváte se na to z druhé strany?
Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.