Translation-invariant 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
- Carnegie Mellon University (CMU)
- Typ organizace
- Academia
- Země
- United States of America
- Publikováno
- 15 June 1987
- Autoři
- Geoffrey E. Hinton
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Úkol
- Object recognition
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 0.8K
- Výcviková data
- 160 tokens
- Epochy
- 23,020
Network: 12-60-6-16 Weights: 6*60+60*6+6*16=816 Layer 2 was only sparsely connected to input layer
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
- 1.8 × 10¹⁰ FLOP
- Jak bylo ustanoveno
- Operation counting
FLOPs: 2*816*3*160*23020=18032947200=1.8e10
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
- Learning Translation Invariant Recognition in a Massively Parallel Network
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Pozadí
Translation-invariant MLP byl zveřejněn Carnegie Mellon University (CMU), v zemi zaznamenané jako United States of America, během June 1987. Kategorie, do které vydavatel spadá, je academia.
a je zaznamenán jako vykonávající úkol object recognition.
Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.
Trénink a původ
Produkce toho vyžadovala aritmetiku v celkové výši přibližně 1.8 × 10¹⁰ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Tréninková sada běžela na přibližně 160 tokeny textu
Důvod, proč se to v tomto katalogu vůbec objevuje: historical significance.
Odpovědi
Translation-invariant MLP — běžné otázky
Translation-invariant MLP— kolik má parametrů?
Má počet parametrů 0.8K. Network: 12-60-6-16 Weights: 6*60+60*6+6*16=816 Layer 2 was only sparsely connected to input layer. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
Translation-invariant MLP— Kdo to vytvořil?
Bylo to publikováno společností Carnegie Mellon University (CMU), zakládající se na United States of America, organizace zařazená jako academia.
Translation-invariant MLP— Kdy byl vydán?
Bylo to zveřejněno v June 1987. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Translation-invariant MLP— K čemu se to používá?
a je zaznamenáno jako zpracovávající úkol object recognition. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
Translation-invariant MLP— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 1.8 × 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.
Translation-invariant 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.
Translation-invariant 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.
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.