LCNP LabelMe
Žádný odhad
Žádné hardwareové požadavky na tento model
Hmotnosti tohoto modelu nebyly publikovány, takže jej nelze stáhnout ani spustit na vlastním hardwaru v jakékoli velikosti. Je dostupný pouze prostřednictvím svého poskytovatele a žádná grafická karta to nezmění..
Záznam.
Plná specifikace
Všechno zaznamenané k tomuto modelu. Většina z toho popisuje, jak byl trénován, nikoli jak běží — užitečný kontext pro posouzení, kolik práce do něj bylo vloženo, a jak se srovnává s modely postavenými na jinou škálu.
Původ
Kdo vybudoval tento model, kde a kdy byl publikován.
- Organizace
- University of Bonn
- Typ organizace
- Academia
- Země
- Germany
- Publikováno
- 22 November 2009
- Autoři
- Rafael Uetz, Sven Behnke
Co to dělá
Problémové oblasti, pro které byl model vyvinut. Model může obsahovat několik z každého.
- Doména
- Vision
- Úkol
- Object recognition
- Přístup
- Supervised
Velikost
Jak velký je model a na kolik dat byl vytrénován. Parametry jsou číslo, které rozhoduje o tom, zda se vejde na danou grafickou kartu.
- Parametry
- 13.7M
- Tréninková data
- 40,000 tokens
- Epochy
- 1,000
Locally connected: 128*128*4*4*4*7 + 64*64*8*4*4*4 + 32*32*16*4*4*8 + 16*16*32*4*4*16=13631488 Classification head: 16*16*32*12=98304 Total: 13631488+98304=13729792 "five regular layers with the dimensions 256×256, 128×128, . . ., 16×16." "size of the receptive field to be 4 × 4 neurons"
Table 1
Výpočet trénování
Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál trénink, nikoli jak rychle hotový model na vás odpovídá.
- Výpočet trénování
- 3.3 × 10¹⁵ FLOP
- Jak bylo založeno
- Operation counting
2*13729792*3*40000*1000=3295150080000000
Jak je klasifikováno
Labely, které se na zdrojovém datovém souboru používají při sledování významných modelů, a jak moc si je jistý touto položkou.
- Frontier model
- Yes
- Proč je to sledováno
- Historical significance
- Záznam důvěry
- Confident
Zdroje
Odkud tento záznam pochází a kdy byl naposled zkontrolován.
- Odkaz
- Large-scale object recognition with CUDA-accelerated hierarchical neural networks
- Naposledy aktualizováno
- 28 November 2025
Co čísla znamenají
Co je tento model
LCNP LabelMe was published by University of Bonn, in Germany, in November 2009. academia is the category the publisher falls under.
It works in Vision, and is recorded as doing object recognition.
Jeho váhy nikdy nebyly zveřejněny, takže je možné ho dosáhnout pouze prostřednictvím jeho poskytovatele. Žádná grafická karta to nezmění.
Trénink a původ
Training it took roughly 3.3 × 10¹⁵ FLOP of computation — a measure of what producing the model cost, not of how fast it answers.
It was trained on about 40,000 tokens of text.
The reason it appears in this catalogue at all is historical significance.
Odpovědi
LCNP LabelMe — Časté dotazy
Is LCNP LabelMe open source?
The licensing for LCNP LabelMe was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does LCNP LabelMe have?
LCNP LabelMe has 13.7M parameters. Locally connected: 128*128*4*4*4*7 + 64*64*8*4*4*4 + 32*32*16*4*4*8 + 16*16*32*4*4*16=13631488 Classification head: 16*16*32*12=98304 Total: 13631488+98304=13729792 "five regular layers with the dimensions 256×256, 128×128, . . ., 16×16." "size of the receptive field to be 4 × 4 neurons". That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created LCNP LabelMe?
LCNP LabelMe was published by University of Bonn, based in Germany, categorised as academia.
When was LCNP LabelMe released?
LCNP LabelMe was published in November 2009. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is LCNP LabelMe used for?
LCNP LabelMe works in Vision, and is recorded as handling object recognition. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
How much compute was used to train LCNP LabelMe?
Around 3.3 × 10¹⁵ FLOP. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run LCNP LabelMe?
None. LCNP LabelMe is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Druhý směr
Když se na to podíváte z druhé strany?
Tato stránka začíná modelem. Pokud již vlastníte kartu a chcete vědět, co vše bude schopna spustit, Začněte raději od hardwaru.