Binarized Neural Network (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
- Technion - Israel Institute of Technology,Columbia University,University of Montreal / Université de Montréal
- Organisationsart
- Academia,Academia,Academia
- Land
- Israel, United States of America, Canada
- Veröffentlicht
- 17 March 2016
- Autoren
- Matthieu Courbariaux, Itay Hubara, Daniel Soudry, Ran El-Yaniv, Yoshua Bengio
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Vision
- Aufgabe
- Image classification
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
- 37M
- Trainingsdaten
- 60,000 tokens
- Epochen
- 1,000
Parameter count is not explicitly stated, but they give details: "The MLP we train on MNIST consists of 3 hidden layers of 4096 binary units (see Section 1) and a L2-SVM output layer" Approximately 37m, based on 784 pixels * 4096 + 2 * 4096^2
60k training images, 10k test in MNIST
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Aufzeichnungsgenauigkeit
- Speculative
- Zitationen
- 3,299
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- Binarized Neural Networks: Training Neural Networks with Weights and Activations Constrained to +1 or −1
- Zuletzt aktualisiert
- 11 February 2026
Was die Zahlen bedeuten
Woher es kam
Binarized Neural Network (MNIST) wurde veröffentlicht von Technion - Israel Institute of Technology,Columbia University,University of Montreal / Université de Montréal, im Land aufgezeichnet als Israel, während March 2016. Es stammt aus einer Organisation, die kategorisiert ist als academia,Academia,Academia.
Es funktioniert im Bereich von Vision, und wird als die Aufgabe von aufgezeichnet image classification.
Da die Gewichte nicht verfügbar sind, gelten keine der Hardwareangaben an anderer Stelle auf dieser Seite für sie.
Training und Herkunft
Der Trainingssatz lief auf etwa 60,000 Text-Tokens
Antworten
Binarized Neural Network (MNIST) — Häufige Fragen
Binarized Neural Network (MNIST)— Wofür wird es verwendet?
Es funktioniert im Bereich von Vision, und wird als Bewältigung der Aufgabe von image classification. Dies sind die Bereiche, um die es entworfen wurde; sie beschreiben die Absicht und nicht eine harte Grenze.
Binarized Neural Network (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.
Binarized Neural Network (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.
Binarized Neural Network (MNIST)— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 37M. Parameter count is not explicitly stated, but they give details: "The MLP we train on MNIST consists of 3 hidden layers of 4096 binary units (see Section 1) and a L2-SVM output layer" Approximately 37m, based on 784 pixels * 4096 + 2 * 4096^2. 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.
Binarized Neural Network (MNIST)— Wer hat es erstellt?
Es wurde veröffentlicht von Technion - Israel Institute of Technology,Columbia University,University of Montreal / Université de Montréal, basiert auf Israel, eine als kategorisierte Organisation academia,Academia,Academia.
Binarized Neural Network (MNIST)— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in March 2016. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
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.