High Performance CNN (NORB)
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
- IDSIA,SUPSI
- Organisationsart
- Academia,Academia
- Land
- Switzerland
- Veröffentlicht
- 16 July 2011
- Autoren
- Dan C. Ciresan, Ueli Meier, Jonathan Masci, Luca M. Gambardella, Jürgen Schmidhuber
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Vision
- Aufgabe
- Image classification
- Ansatz
- Supervised
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
- 4.9M
- Trainingsdaten
- 50,000 tokens
- Epochen
- 7
L1: 6*300*6*6=64800 L3: 500*600*4*4=4800000 L5: (108/4)*500=13500 Total: 64800+4800000+13500=4878300
Training-Compute
Die Berechnung, die durchgeführt wird, um das Modell zu trainieren, gemessen in Gleitpunktoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht dafür, wie schnell das fertige Modell Ihnen antwortet.
- Training-Compute
- 2.6 × 10¹⁶ FLOP
- Wie es etabliert wurde
- Hardware
7 epochs, 35 min per epoch 2 GTX 480 + 2 GTX 580 580 FLOP: 1580000000000 480 FLOP: 1345000000000 FLOP: 7*35*60*(2*1580000000000+2*1345000000000)*0.3=25798500000000000=2.6e16
Der Trainingslauf
Was es physisch gekostet hat, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Wand gezogen hat.
- Trainingshardware
- NVIDIA GeForce GTX 480,NVIDIA GeForce GTX 580
- Verwendete Chips
- 4
- Wand-Uhrzeit
- 4 hours
Verfügbarkeit
Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.
- Gewichte
- Closed — provider access only
- Modellzugang
- Unreleased
- Training-Code
- Unreleased
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
- Historical significance,SOTA improvement
- Aufzeichnungsgenauigkeit
- Likely
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- Flexible, High Performance Convolutional Neural Networks for Image Classification
- Zuletzt aktualisiert
- 11 February 2026
Was die Zahlen bedeuten
Woher es kam
High Performance CNN (NORB) wurde veröffentlicht von IDSIA,SUPSI, im Land aufgezeichnet als Switzerland, während July 2011. Die veröffentlichende Organisation ist als academia,Academia.
Es funktioniert im Bereich von Vision, und wird als die Aufgabe von aufgezeichnet image classification.
Dies ist ein geschlossenes Modell: die trainierten Werte blieben bei demjenigen, der sie erzeugt hat, und es gibt keine lokale Version zum Ausführen.
Training und Herkunft
Das Training benötigte ein Rechenbudget von ungefähr 2.6 × 10¹⁶ FLOP, auf Hardware erfasst als NVIDIA GeForce GTX 480,NVIDIA GeForce GTX 580. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.
Der Trainingssatz lief auf etwa 50,000 Text-Tokens
Das Einschlusskriterium: historical significance,SOTA improvement.
Antworten
High Performance CNN (NORB) — Häufige Fragen
High Performance CNN (NORB)— 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.
High Performance CNN (NORB)— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
High Performance CNN (NORB)— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 4.9M. L1: 6*300*6*6=64800 L3: 500*600*4*4=4800000 L5: (108/4)*500=13500 Total: 64800+4800000+13500=4878300. 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.
High Performance CNN (NORB)— Wer hat es erstellt?
Es wurde veröffentlicht von IDSIA,SUPSI, basiert auf Switzerland, eine als kategorisierte Organisation academia,Academia.
High Performance CNN (NORB)— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in July 2011. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
High Performance CNN (NORB)— Wofür wird es verwendet?
Es funktioniert im Bereich von Vision, und wird als Bewältigung der Aufgabe von image classification. 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.
High Performance CNN (NORB)— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?
Training verbrauchte etwa 2.6 × 10¹⁶ FLOP, auf Hardware erfasst als NVIDIA GeForce GTX 480,NVIDIA GeForce GTX 580. Das misst, was die Produktion des Modells gekostet hat, und sagt nichts darüber aus, wie schnell es einmal trainiert antwortet — die Inferenzgeschwindigkeit kommt von der MEMORY-BANDWIDTH, nicht vom TRAINING-BUDGET.
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.