Recursive Neural Network
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
- Stanford University
- Typ organizace
- Academia
- Země
- United States of America
- Publikováno
- 28 June 2011
- Autoři
- R. Socher, Cliff Chiung-Yu Lin, A. Ng, Christopher D. Manning
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Vision, Language
- Úkol
- Representation learning
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- Výcviková data
- 573,285 tokens
Full WSJ dataset: 1000000 words (https://catalog.ldc.upenn.edu/LDC99T42) Using 20 out of 24 splits for training: 1000000*(20/24)=833333.333
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
- Highly cited
- Záznam důvěry
- Confident
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Parsing natural scenes and natural language with recursive neural networks
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
O tomto modelu
Recursive Neural Network byl zveřejněn Stanford University, v zemi zaznamenané jako United States of America, během June 2011. Vychází z organizace, která je kategorizována jako academia.
funguje v oblasti Vision, Language, a je zaznamenán jako vykonávající úkol representation learning.
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Trénink a původ
Tréninková sada běžela na přibližně 573,285 tokeny textu
Důvod, proč se to v tomto katalogu vůbec objevuje: highly cited.
Odpovědi
Recursive Neural Network — běžné otázky
Recursive Neural Network— 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.
Recursive Neural Network— 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.
Recursive Neural Network— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
Recursive Neural Network— Kdo to vytvořil?
Bylo to publikováno společností Stanford University, zakládající se na United States of America, organizace zařazená jako academia.
Recursive Neural Network— Kdy byl vydán?
Bylo to zveřejněno v June 2011. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Recursive Neural Network— K čemu se to používá?
funguje v oblasti Vision, Language, a je zaznamenáno jako zpracovávající úkol representation learning. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
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.