ReLU (NORB)
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
- University of Toronto
- Typ organizace
- Academia
- Země
- Canada
- Publikováno
- 15 June 2010
- Autoři
- Nair, V., Hinton, G. E.
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Vision
- Úkol
- Object recognition
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 16.2M
- Výcviková data
- 291,600 tokens
"The stereo-pair images are subsampled from their original resolution of 108 × 108 × 2 to 32 × 32 × 2 to speed up experiments [...] the architecture with the best results have 4000 units in the first layer and 2000 in the second [...] there are 58,320 test cases (9,720 cases per class) " So the architecture has (32*32*2+1)x4000 + (4000+1)*2000 + (2000+1)*58,320/9,720 parameters
"There are 291,600 training cases (48,600 cases per class) and 58,320 test cases (9,720 cases per class)."
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
- Citace
- 18,270
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Rectified linear units improve restricted boltzmann machines
- Nap poslední aktualizace
- 11 February 2026
Co čísla znamenají
Pozadí
ReLU (NORB) byl zveřejněn University of Toronto, v zemi zaznamenané jako Canada, během June 2010. Vychází z organizace, která je kategorizována jako academia.
funguje v oblasti Vision, a je zaznamenán jako vykonávající úkol object recognition.
Jeho váhy nikdy nebyly zveřejněny, takže k němu lze přistupovat pouze prostřednictvím jeho poskytovatele. Žádná změna grafické karty to nezmění.
Trénink a původ
Bylo to trénováno na korpusu asi 291,600 tokeny textu
Jeho kritérium zahrnutí: highly cited.
Odpovědi
ReLU (NORB) — běžné otázky
ReLU (NORB)— Kdo to vytvořil?
Bylo to publikováno společností University of Toronto, zakládající se na Canada, organizace zařazená jako academia.
ReLU (NORB)— Kdy byl vydán?
Bylo to zveřejněno v June 2010. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
ReLU (NORB)— K čemu se to používá?
funguje v oblasti Vision, a je zaznamenáno jako zpracovávající úkol object recognition. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
ReLU (NORB)— 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.
ReLU (NORB)— 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.
ReLU (NORB)— kolik má parametrů?
Má počet parametrů 16.2M. "The stereo-pair images are subsampled from their original resolution of 108 × 108 × 2 to 32 × 32 × 2 to speed up experiments [...] the architecture with the best results have 4000 units in the first layer and 2000 in the second [...] there are 58,320 test cases (9,720 cases per class) " So the architecture has (32*32*2+1)x4000 + (4000+1)*2000 + (2000+1)*58,320/9,720 parameters. 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.