TCN (P-MNIST)
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
- Carnegie Mellon University (CMU),Intel Labs
- Typ organizace
- Academia,Industry
- Země
- United States of America
- Publikováno
- 15 February 2018
- Autoři
- Shaojie Bai, J. Zico Kolter, Vladlen Koltun
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Vision
- Úkol
- Image classification, Digit recognition
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 42K
- Výcviková data
- 60,000 tokens
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
- 6,496
"For the permuted sequential MNIST, TCNs outperform state of the art results using recurrent nets (95.9%) with Zoneout+Recurrent BatchNorm (Cooijmans et al., 2016; Krueger et al., 2017), a highly optimized method for regularizing RNNs"
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Convolutional Sequence Modeling Revisited
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Co je tento MODEL
TCN (P-MNIST) byl zveřejněn Carnegie Mellon University (CMU),Intel Labs, v zemi zaznamenané jako United States of America, během February 2018. Vychází z organizace, která je kategorizována jako academia,Industry.
funguje v oblasti Vision, a je zaznamenán jako vykonávající úkol image classification, Digit recognition.
Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.
Trénink a původ
Bylo to trénováno na korpusu asi 60,000 tokeny textu
Jeho kritérium zahrnutí: sOTA improvement.
Odpovědi
TCN (P-MNIST) — běžné otázky
TCN (P-MNIST)— K čemu se to používá?
funguje v oblasti Vision, a je zaznamenáno jako zpracovávající úkol image classification, Digit recognition. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
TCN (P-MNIST)— 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.
TCN (P-MNIST)— Je to OPEN SOURCE?
Licencování nikdy nebylo zaznamenáno v našich zdrojových datech. Neuváděné licencování považujeme za uzavřené, protože nezaznamenaná licence není na kterou by se dalo spoléhat.
TCN (P-MNIST)— kolik má parametrů?
Má počet parametrů 42K. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
TCN (P-MNIST)— Kdo to vytvořil?
Bylo to publikováno společností Carnegie Mellon University (CMU),Intel Labs, zakládající se na United States of America, organizace zařazená jako academia,Industry.
TCN (P-MNIST)— Kdy byl vydán?
Bylo to zveřejněno v February 2018. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
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.