Semi-Supervised Embedding for DL
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
- Google,NUANCE Communications,IDIAP,University of Illinois Urbana-Champaign (UIUC)
- Typ organizace
- Industry,Industry,Academia,Academia
- Země
- United States of America, Switzerland
- Publikováno
- 5 July 2008
- Autoři
- Jason Weston, Frederick, Ratle, Hossein Mobahi, Ronan Collobert
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Other
- Úkol
- Image classification, Language Structure Modeling, Text 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
- 632,000,000 tokens
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Unknown
- Citace
- 1,087
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Deep Learning via Semi-Supervised Embedding
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
O tomto modelu
Semi-Supervised Embedding for DL byl zveřejněn Google,NUANCE Communications,IDIAP,University of Illinois Urbana-Champaign (UIUC), v zemi zaznamenané jako United States of America, během July 2008. Kategorie, do které vydavatel spadá, je industry,Industry,Academia,Academia.
funguje v oblasti Other, a je zaznamenán jako vykonávající úkol image classification, Language Structure Modeling, Text classification.
Jeho váhy nikdy nebyly zveřejněny, takže k němu lze přistupovat pouze prostřednictvím jeho poskytovatele. Žádná změna grafické karty to nezmění.
Co bylo zapotřebí k jeho vybudování
Trénink spotřeboval korpus kolem 632,000,000 tokeny textu
Odpovědi
Semi-Supervised Embedding for DL — běžné otázky
Semi-Supervised Embedding for DL— Kdo to vytvořil?
Bylo to publikováno společností Google,NUANCE Communications,IDIAP,University of Illinois Urbana-Champaign (UIUC), zakládající se na United States of America, organizace zařazená jako industry,Industry,Academia,Academia.
Semi-Supervised Embedding for DL— 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.
Semi-Supervised Embedding for DL— K čemu se to používá?
funguje v oblasti Other, a je zaznamenáno jako zpracovávající úkol image classification, Language Structure Modeling, Text classification. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
Semi-Supervised Embedding for DL— 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.
Semi-Supervised Embedding for DL— 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.
Semi-Supervised Embedding for DL— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
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.