Netflix Recommender System
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
- Netflix
- Organisationsart
- Industry
- Land
- United States of America
- Veröffentlicht
- 1 December 2015
- Autoren
- CA Gomez-Uribe, N Hunt
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Recommendation
- Aufgabe
- Recommender system
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.
- Trainingsdaten
- tokens
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Warum es verfolgt wird
- Highly cited,Significant use,Historical significance
- Aufzeichnungsgenauigkeit
- Unknown
- Zitationen
- 1,092
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- The Netflix Recommender System: Algorithms, Business Value, and Innovation
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Hintergrund
Netflix Recommender System wurde veröffentlicht von Netflix, im Land aufgezeichnet als United States of America, während December 2015. Es stammt aus einer Organisation, die kategorisiert ist als industry.
Es funktioniert im Bereich von Recommendation, und wird als die Aufgabe von aufgezeichnet recommender system.
Seine Gewichte wurden niemals veröffentlicht, daher kann es nur über seinen Anbieter erreicht werden. Keine Grafikkarten ändern das.
Training und Herkunft
Der Grund, warum es überhaupt in diesem Katalog erscheint: highly cited,Significant use,Historical significance.
Antworten
Netflix Recommender System — Häufige Fragen
Netflix Recommender System— Wofür wird es verwendet?
Es funktioniert im Bereich von Recommendation, und wird als Bewältigung der Aufgabe von recommender system. 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.
Netflix Recommender System— 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.
Netflix Recommender System— 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.
Netflix Recommender System— Wie viele Parameter hat es?
Es wurden keine Parameteranzahlen veröffentlicht, weshalb keine Speicher- oder Geschwindigkeitsangaben auf dieser Seite erscheinen.
Netflix Recommender System— Wer hat es erstellt?
Es wurde veröffentlicht von Netflix, basiert auf United States of America, eine als kategorisierte Organisation industry.
Netflix Recommender System— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in December 2015. 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.