CNN Committee (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
- IDSIA
- Typ organizace
- Academia
- Země
- Switzerland
- Publikováno
- 18 September 2011
- Autoři
- D. Ciresan, U. Meier, L. Gambardella, J. Schmidhuber
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Vision
- Úkol
- Image classification
- Přístup
- Supervised
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 120.6K
- Výcviková data
- 420,000 tokens
- Epochy
- 800
1st CNN layer: 20*4*4=320 2nd CNN layer: 20*40*9*9=64800 1st FC layer: 40*3*3*150=54000 2nd FC layer: 150*10=1500 Total: 320+64800+54000+1500=120620
[images] "Our CNNs are trained for around 800 epochs"
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
- 5.2 × 10¹⁶ FLOP
- Jak bylo ustanoveno
- Hardware,Operation counting
GPU hour estimate: 800 epochs, 14 hours per network, 7 networks total 7*14*60*60*(2*1580000000000+2*1345000000000)*0.3=6.19e17 Counting estimate: 50000 examples, 800 epochs 1st CNN layer: 2*20*26*26*4*4=432640 2nd CNN layer: 2*20*6*6*9*9*40=4665600 1st FC layer: 2*40*3*3*150=108000 2nd FC layer: 2*150*10=3000 Total: 432640+4665600+108000+3000=5209240 5209240*3*50000*800*7=4375761600000000=4.4e15 Geometric mean: sqrt(4.4e15*6.19e17)=5.2e16
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA GeForce GTX 580,NVIDIA GeForce GTX 480
- Používané čipy
- 4
- Doba reálného času
- 98 hours
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
- Unreleased
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Frontier model
- Yes
- Proč je to sledováno
- Historical significance
- Záznam důvěry
- Likely
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Convolutional Neural Network Committees for Handwritten Character Classification
- Nap poslední aktualizace
- 11 February 2026
Co čísla znamenají
O tomto modelu
CNN Committee (MNIST) byl zveřejněn IDSIA, v zemi zaznamenané jako Switzerland, během September 2011. Vydavatelská organizace je kategorizována jako academia.
funguje v oblasti Vision, a je zaznamenán jako vykonávající úkol image classification.
Jeho váhy nikdy nebyly zveřejněny, takže k němu lze přistupovat pouze prostřednictvím jeho poskytovatele. Žádná změna grafické karty to nezmění.
Co bylo zapotřebí k jeho vybudování
Trénování si vyžádalo výpočetní rozpočet přibližně 5.2 × 10¹⁶ FLOP, na hardwaru zaznamenáno jako NVIDIA GeForce GTX 580,NVIDIA GeForce GTX 480. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Bylo to trénováno na korpusu asi 420,000 tokeny textu
Je sledováno v základním datasetu z jednoho konkrétního důvodu: historical significance.
Odpovědi
CNN Committee (MNIST) — běžné otázky
CNN Committee (MNIST)— Kdo to vytvořil?
Bylo to publikováno společností IDSIA, zakládající se na Switzerland, organizace zařazená jako academia.
CNN Committee (MNIST)— Kdy byl vydán?
Bylo to zveřejněno v September 2011. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
CNN Committee (MNIST)— K čemu se to používá?
funguje v oblasti Vision, a je zaznamenáno jako zpracovávající úkol image classification. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
CNN Committee (MNIST)— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 5.2 × 10¹⁶ FLOP, na hardwaru zaznamenáno jako NVIDIA GeForce GTX 580,NVIDIA GeForce GTX 480. 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.
CNN Committee (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.
CNN Committee (MNIST)— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
CNN Committee (MNIST)— kolik má parametrů?
Má počet parametrů 120.6K. 1st CNN layer: 20*4*4=320 2nd CNN layer: 20*40*9*9=64800 1st FC layer: 40*3*3*150=54000 2nd FC layer: 150*10=1500 Total: 320+64800+54000+1500=120620. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
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.