CTC-Trained LSTM
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,Technical University of Munich
- Organisationsart
- Academia,Academia
- Land
- Switzerland, Germany
- Veröffentlicht
- 25 June 2006
- Autoren
- Alex Graves, Santiago Fernández, Faustino Gómez, Jürgen Schmidhuber
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Speech
- Aufgabe
- Speech recognition (ASR)
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
- 114.7K
- Trainingsdaten
- tokens
"The hidden layers were fully connected to themselves and the output layer, and fully connected from the input layer. The input layer was size 26, the softmax output layer size 62 (61 phoneme categories plus the blank label), and the total number of weights was 114, 662." https://www.cs.toronto.edu/~graves/icml_2006.pdf
4162 utterances, guesstimated avg 10 words per utterance
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Zitationen
- 4,862
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- Connectionist Temporal Classification: Labelling Unsegmented Sequence Data with Recurrent Neural Networks
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Hintergrund
CTC-Trained LSTM wurde veröffentlicht von IDSIA,Technical University of Munich, im Land aufgezeichnet als Switzerland, während June 2006. Die veröffentlichende Organisation ist als academia,Academia.
Es funktioniert im Bereich von Speech, und wird als die Aufgabe von aufgezeichnet speech recognition (ASR).
Seine Gewichte wurden niemals veröffentlicht, daher kann es nur über seinen Anbieter erreicht werden. Keine Grafikkarten ändern das.
Antworten
CTC-Trained LSTM — Häufige Fragen
CTC-Trained LSTM— 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.
CTC-Trained LSTM— 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.
CTC-Trained LSTM— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 114.7K. "The hidden layers were fully connected to themselves and the output layer, and fully connected from the input layer. The input layer was size 26, the softmax output layer size 62 (61 phoneme categories plus the blank label), and the total number of weights was 114, 662." https://www.cs.toronto.edu/~graves/icml_2006.pdf. 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.
CTC-Trained LSTM— Wer hat es erstellt?
Es wurde veröffentlicht von IDSIA,Technical University of Munich, basiert auf Switzerland, eine als kategorisierte Organisation academia,Academia.
CTC-Trained LSTM— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in June 2006. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
CTC-Trained LSTM— Wofür wird es verwendet?
Es funktioniert im Bereich von Speech, und wird als Bewältigung der Aufgabe von speech recognition (ASR). Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.
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.