CapsNet (MNIST)
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, daher kann es nicht heruntergeladen oder auf Ihrer eigenen Hardware in beliebiger Größe betrieben werden. Es ist nur über seinen Anbieter erreichbar, und keine Grafikkarte ändert das..
Aufgezeichnet
Volle Spezifikation
Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- Google Brain
- Organisationsart
- Industry
- Land
- United States of America
- Veröffentlicht
- 26 October 2017
- Autoren
- S Sabour, N Frosst, GE Hinton
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Vision
- Aufgabe
- Character recognition (OCR)
Größe
Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.
- Parameter
- 8.2M
- Trainingsdaten
- 60,000 tokens
"In terms of number of parameters the baseline has 35.4M while CapsNet has 8.2M parameters and 6.8M parameters without the reconstruction subnetwork"
Section 5: The dataset has 60K and 10K images for training and testing respectively.
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Zitationen
- 5,094
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- Dynamic Routing Between Capsules
- Zuletzt aktualisiert
- 25 May 2026
Was die Zahlen bedeuten
Über dieses Modell
CapsNet (MNIST) wurde veröffentlicht von Google Brain, im Land aufgezeichnet als United States of America, während October 2017. Die Kategorie, in die der Herausgeber fällt, ist industry.
Es funktioniert im Bereich von Vision, und wird als die Aufgabe von aufgezeichnet character recognition (OCR).
Da die Gewichte nicht verfügbar sind, gelten keine der Hardwareangaben an anderer Stelle auf dieser Seite für sie.
Training und Herkunft
Es wurde auf einem Korpus von etwa 60,000 Text-Tokens
Antworten
CapsNet (MNIST) — Häufige Fragen
CapsNet (MNIST)— Ist es Open-Source?
Die Lizenzierung wurde nie in unseren Quelldaten aufgezeichnet. Wir behandeln nicht angegebene Lizenzen als geschlossen, da eine nicht aufgezeichnete Lizenz keine ist, auf die man sich verlassen kann.
CapsNet (MNIST)— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 8.2M. "In terms of number of parameters the baseline has 35.4M while CapsNet has 8.2M parameters and 6.8M parameters without the reconstruction subnetwork". Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.
CapsNet (MNIST)— Wer hat es erstellt?
Es wurde veröffentlicht von Google Brain, basiert auf United States of America, eine als kategorisierte Organisation industry.
CapsNet (MNIST)— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in October 2017. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
CapsNet (MNIST)— Wofür wird es verwendet?
Es funktioniert im Bereich von Vision, und wird als Bewältigung der Aufgabe von character recognition (OCR). Ein Modell kann mehrere von jedem tragen, daher sind dies die Bereiche, für die es gebaut wurde, anstatt eine Begrenzung dafür, was es versuchen wird.
CapsNet (MNIST)— Welche GPU benötige ich, um es auszuführen?
Dieses ist ein geschlossenes Modell — seine Gewichte wurden nie veröffentlicht, sodass es zu keinem Preis heruntergeladen oder auf Ihrer eigenen Hardware ausgeführt werden kann. Es ist nur über seinen Anbieter erreichbar.
Die andere Richtung
Von der anderen Seite aus betrachten?
Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.