Invariant image recognition

Uzavřené váhy Complutense University of Madrid June 1989

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
Complutense University of Madrid
Typ organizace
Academia
Země
Spain
Publikováno
18 June 1989
Autoři
V. Cruz, G. Cristóbal, T. Michaux, S. Barquin

Co to dělá

Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.

Doména
Vision
Úkol
Representation learning

Velikost

Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.

Výcviková data
tokens

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
2.7 × 10¹⁰ FLOP

0.5*6*60*60*2.5e6 = 27000000000 = 2.7e10 Trained for 6h on a SUN-4 (section 4) Assumed utilization of 0.5 SUN-4 is estimated at 2.5e6 FLOP/s (Nordhaus, 2007)

Jak bylo ustanoveno
Hardware

Tréninkový běh

Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.

Doba reálného času
6 hours

Section 4

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
Invariant image recognition using a multi-network neural model
Nap poslední aktualizace
28 November 2025

Co čísla znamenají

Co je tento MODEL

Invariant image recognition byl zveřejněn Complutense University of Madrid, v zemi zaznamenané jako Spain, během June 1989. Kategorie, do které vydavatel spadá, je academia.

funguje v oblasti Vision, a je zaznamenán jako vykonávající úkol representation learning.

Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.

Trénink a původ

Trenovací běh spotřeboval asi 2.7 × 10¹⁰ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Jeho kritérium zahrnutí: historical significance.

Odpovědi

Invariant image recognition — běžné otázky

01

Invariant image recognition— 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.

02

Invariant image recognition— kolik má parametrů?

Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.

03

Invariant image recognition— Kdo to vytvořil?

Bylo to publikováno společností Complutense University of Madrid, zakládající se na Spain, organizace zařazená jako academia.

04

Invariant image recognition— Kdy byl vydán?

Bylo to zveřejněno v June 1989. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.

05

Invariant image recognition— K čemu se to používá?

funguje v oblasti Vision, a je zaznamenáno jako zpracovávající úkol representation learning. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.

06

Invariant image recognition— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 2.7 × 10¹⁰ 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.

07

Invariant image recognition— 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.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 28 November 2025

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.