Stacked Semisuperviser 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
- New York University (NYU),Microsoft
- Typ organizace
- Academia,Industry
- Země
- United States of America
- Publikováno
- 15 July 2008
- Autoři
- MA Ranzato, M Szummer
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Document representation
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 3M
- Výcviková data
- tokens
"The 20 Newsgroups dataset contains 18845 postings taken from the Usenet newsgroup collection. Documents are partitioned into 20 topics. The dataset is split into 11314 training documents and 7531 test documents. Training and test articles are separated in time. Reuters has a predefined ModApte split of the data into 11413 training documents and 4024 test doc- uments. Documents belong to one of 91 topics. The Ohsumed dataset has 34389 documents with 30689 words and each document might be assigne…
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Citace
- 243
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Semisupervised learning of compact document representations with deep networks
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Odkud to přišlo
Stacked Semisuperviser Autoencoders byl zveřejněn New York University (NYU),Microsoft, v zemi zaznamenané jako United States of America, během July 2008. Vydavatelská organizace je kategorizována jako academia,Industry.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol document representation.
Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.
Odpovědi
Stacked Semisuperviser Autoencoders — běžné otázky
Stacked Semisuperviser 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 Semisuperviser 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 Semisuperviser Autoencoders— kolik má parametrů?
Má počet parametrů 3M. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
Stacked Semisuperviser Autoencoders— Kdo to vytvořil?
Bylo to publikováno společností New York University (NYU),Microsoft, zakládající se na United States of America, organizace zařazená jako academia,Industry.
Stacked Semisuperviser Autoencoders— Kdy byl vydán?
Bylo to zveřejněno v July 2008. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Stacked Semisuperviser Autoencoders— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol document representation. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
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.