Speaker-independent vowel classification
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
- University of Washington
- Typ organizace
- Academia
- Země
- United States of America
- Publikováno
- 27 November 1989
- Autoři
- L. Atlas, R. Cole, J. Connor, M. El-Sharkawi, R. Marks, Y. Muthusamy, E. Barnard
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Speech
- Úkol
- Speech recognition (ASR)
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 3K
- Výcviková data
- 4,104 tokens
- Epochy
- 100
“The MLP consisted of 64 inputs (the DFf coefficients. each nonnalized between zero and one), a single hidden layer of 40 units, and 12 output units;”
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
- 7.5 × 10⁹ FLOP
- Jak bylo ustanoveno
- Operation counting
2*3040*3*410400=7485696000=7.49e9 “The network was trained on 100 iterations through the 4104 training vectors.”
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
- Confident
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Performance Comparisons Between Backpropagation Networks and Classification Trees on Three Real-World Applications
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Odkud to přišlo
Speaker-independent vowel classification byl zveřejněn University of Washington, v zemi zaznamenané jako United States of America, během November 1989. Kategorie, do které vydavatel spadá, je academia.
funguje v oblasti Speech, a je zaznamenán jako vykonávající úkol speech recognition (ASR).
Jeho váhy nikdy nebyly zveřejněny, takže k němu lze přistupovat pouze prostřednictvím jeho poskytovatele. Žádná změna grafické karty to nezmění.
Trénink a původ
Produkce toho vyžadovala aritmetiku v celkové výši přibližně 7.5 × 10⁹ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Trénink spotřeboval korpus kolem 4,104 tokeny textu
Jeho kritérium zahrnutí: historical significance.
Odpovědi
Speaker-independent vowel classification — běžné otázky
Speaker-independent vowel classification— Kdo to vytvořil?
Bylo to publikováno společností University of Washington, zakládající se na United States of America, organizace zařazená jako academia.
Speaker-independent vowel classification— Kdy byl vydán?
Bylo to zveřejněno v November 1989. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Speaker-independent vowel classification— K čemu se to používá?
funguje v oblasti Speech, a je zaznamenáno jako zpracovávající úkol speech recognition (ASR). Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
Speaker-independent vowel classification— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 7.5 × 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.
Speaker-independent vowel classification— 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.
Speaker-independent vowel classification— 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.
Speaker-independent vowel classification— kolik má parametrů?
Má počet parametrů 3K. “The MLP consisted of 64 inputs (the DFf coefficients. each nonnalized between zero and one), a single hidden layer of 40 units, and 12 output units;”. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
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.