MUSIC perceptron
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.
- Publikováno
- 3 June 1996
- Autoři
- M. Kocheisen; U.A. Muller; G. Troster
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Vision
- Úkol
- Image completion
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 13.6K
- Výcviková data
- 81,000 tokens
- Epochy
- 400
230*55+56*15+16*6+7*3=13607 (Figure 2)
“The training experiments were carried out on a database of 30,000 photos. Therefor the database was split into ten sets. Nine of them were used for the training and one for the testing.”
Výpočty pro trénink
Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál tréninkový běh, ne jak rychle hotový model na vás odpovídá.
- Výpočty pro trénink
- 8.8 × 10¹¹ FLOP
- Jak bylo ustanoveno
- Operation counting
2*13607*3*10800000=881733600000=8.8e11 Training steps: 400*27000=10800000 "After 400 epochs the error of the network"
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Frontier model
- Yes
- Proč je to sledováno
- Historical significance
- Záznam důvěry
- Confident
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- A neural network for grey level and color correction used in photofinishing
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Co je tento MODEL
MUSIC perceptron byl zveřejněn its authors, během June 1996.
funguje v oblasti Vision, a je zaznamenán jako vykonávající úkol image completion.
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Co bylo zapotřebí k jeho vybudování
Trenovací běh spotřeboval asi 8.8 × 10¹¹ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Bylo to trénováno na korpusu asi 81,000 tokeny textu
Je sledováno v základním datasetu z jednoho konkrétního důvodu: historical significance.
Odpovědi
MUSIC perceptron — běžné otázky
MUSIC perceptron— K čemu se to používá?
funguje v oblasti Vision, a je zaznamenáno jako zpracovávající úkol image completion. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
MUSIC perceptron— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 8.8 × 10¹¹ FLOP. To měří, co stálo výrobu modelu, a neříká nic o tom, jak rychle odpovídá po natrénování — rychlost inferencí závisí na šířce pásma paměti, nikoli na rozpočtu na trénink.
MUSIC perceptron— 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.
MUSIC perceptron— 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.
MUSIC perceptron— kolik má parametrů?
Má počet parametrů 13.6K. 230*55+56*15+16*6+7*3=13607 (Figure 2). Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
MUSIC perceptron— Kdy byl vydán?
Bylo to zveřejněno v June 1996. 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.