Stacked Denoising Autoencoders
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 Montreal / Université de Montréal,University of Toronto
- Typ organizace
- Academia,Academia
- Země
- Canada
- Publikováno
- 3 January 2010
- Autoři
- P Vincent, H Larochelle, I Lajoie, Y Bengio
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Other
- Úkol
- Image classification
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- Výcviková data
- 339,250,000 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
- Highly cited
- Záznam důvěry
- Unknown
- Citace
- 7,411
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Stacked denoising autoencoders: Learning useful representations in a deep network with a local denoising criterion
- Nap poslední aktualizace
- 1 January 2026
Co čísla znamenají
Odkud to přišlo
Stacked Denoising Autoencoders byl zveřejněn University of Montreal / Université de Montréal,University of Toronto, v zemi zaznamenané jako Canada, během January 2010. Vychází z organizace, která je kategorizována jako academia,Academia.
funguje v oblasti Other, 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.
Trénink a původ
Trénink spotřeboval korpus kolem 339,250,000 tokeny textu
Je sledováno v základním datasetu z jednoho konkrétního důvodu: highly cited.
Odpovědi
Stacked Denoising Autoencoders — běžné otázky
Stacked Denoising Autoencoders— K čemu se to používá?
funguje v oblasti Other, a je zaznamenáno jako zpracovávající úkol image classification. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
Stacked Denoising Autoencoders— 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.
Stacked Denoising Autoencoders— 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.
Stacked Denoising Autoencoders— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
Stacked Denoising Autoencoders— Kdo to vytvořil?
Bylo to publikováno společností University of Montreal / Université de Montréal,University of Toronto, zakládající se na Canada, organizace zařazená jako academia,Academia.
Stacked Denoising Autoencoders— Kdy byl vydán?
Bylo to zveřejněno v January 2010. 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.