Ceramic-MLP
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
- Sapienza Università di Roma
- Typ organizace
- Academia
- Země
- Italy
- Publikováno
- 7 January 1994
- Autoři
- G. Bonifazi, P. Burrascano
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Materials science
- Úkol
- Pattern classification
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 1.9K
- Výcviková data
- 80 tokens
- Epochy
- 5,000
Parameters: 100*16 + 16*16 + 16*2 = 1888 Architecture: "The topology of the classifier was X-Y-Y-2, where X is the number of input components, Y is the number of neurons in each hidden layer and the number of neurons in the output layer is two, which is the number of classes. The two hidden layers were considered to have the same number of nodes for simplification purposes. " Input size: "Each pattern consists of a 10 x 10 pixel sub-image." Hidden size: "Experiments have been made on networks wi…
After the pre-processing phase, a training set of 80 patterns and a testing set of 64 patterns were available.
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
- 4.5 × 10⁹ FLOP
- Jak bylo ustanoveno
- Operation counting
Compute estimate: 2*1888*3*400000=4531200000=4.53e9 Training steps: "In Fig. 6 we report the classification results obtained on the testing set in the 12 and 16 component compressed data after 400000 training iterations"
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
- Historical significance
- Záznam důvěry
- Likely
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Ceramic powder characterization by multilayer perceptron (MLP) data compression and classification
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Co je tento MODEL
Ceramic-MLP byl zveřejněn Sapienza Università di Roma, v zemi zaznamenané jako Italy, během January 1994. Kategorie, do které vydavatel spadá, je academia.
funguje v oblasti Materials science, a je zaznamenán jako vykonávající úkol pattern 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
Trenovací běh spotřeboval asi 4.5 × 10⁹ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Tréninková sada běžela na přibližně 80 tokeny textu
Důvod, proč se to v tomto katalogu vůbec objevuje: historical significance.
Odpovědi
Ceramic-MLP — běžné otázky
Ceramic-MLP— 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.
Ceramic-MLP— 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.
Ceramic-MLP— kolik má parametrů?
Má počet parametrů 1.9K. Parameters: 100*16 + 16*16 + 16*2 = 1888 Architecture: "The topology of the classifier was X-Y-Y-2, where X is the number of input components, Y is the number of neurons in each hidden layer and the number of neurons in the output layer is two, which is the number of classes. The two hidden layers were considered to have the same number of nodes for simplification purposes. " Input size: "Each pattern consists of a 10 x 10 pixel sub-image." Hidden size: "Experiments have been made on networks with 6, 9, 12 and 16 hidden nodes. ". Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
Ceramic-MLP— Kdo to vytvořil?
Bylo to publikováno společností Sapienza Università di Roma, zakládající se na Italy, organizace zařazená jako academia.
Ceramic-MLP— Kdy byl vydán?
Bylo to zveřejněno v January 1994. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Ceramic-MLP— K čemu se to používá?
funguje v oblasti Materials science, a je zaznamenáno jako zpracovávající úkol pattern classification. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
Ceramic-MLP— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 4.5 × 10⁹ 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.
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.