Maximum Entropy Models for machine translation
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, sodass es weder heruntergeladen noch auf Ihrer eigenen Hardware in irgendeiner Größe ausgeführt werden kann. Es ist nur über seinen Anbieter zugänglich, und keine Grafikkarte ändert daran etwas.
Aufzeichnung
Vollständige Spezifikation
Alles aufzeichnungsfähig für dieses Modell. Die meisten Informationen beschreiben, wie es trainiert wurde, anstatt wie es läuft — ein nützlicher Kontext, um zu beurteilen, wie viel Arbeit investiert wurde und wie es im Vergleich zu auf einer anderen Skala entwickelten Modellen abschneidet..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- University of Southern California,RWTH Aachen University
- Organisationstyp
- Academia,Academia
- Land
- United States of America, Germany
- Veröffentlicht
- 6 July 2002
- Autoren
- Franz Josef Och and Hermann Ney
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere von jedem tragen.
- Domäne
- Language
- Aufgabe
- Translation
Größe
Wie groß das Modell ist und wie viele Daten es trainiert wurde. Die Parameter sind die Größe, die entscheidet, ob es auf eine bestimmte Grafikkarte passt.
- Trainingsdaten
- 58,073 tokens
[WORDS] Table 1
Wie es klassifiziert ist
Labels der Quelldatenbank, die beim Verfolgen bemerkenswerter Modelle angewendet werden, und wie zuversichtlich sie in den Eintrag ist.
- Zitationen
- 1,413
Quellen
Woher diese Aufzeichnung stammt und wann sie zuletzt überprüft wurde.
- Referenz
- Discriminative Training and Maximum Entropy Models for Statistical Machine Translation
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Über dieses Modell
Maximum Entropy Models for machine translation was published by University of Southern California,RWTH Aachen University, in United States of America, in July 2002. The organisation is categorised as academia,Academia.
It works in Language, and is recorded as doing translation.
Seine Gewichte wurden nie veröffentlicht, daher kann es nur über seinen Anbieter erreicht werden. Keine Grafikkarte ändert das.
Wie es trainiert wurde
Around 58,073 tokens went into training it.
Antworten
Maximum Entropy Models for machine translation — Häufig gestellte Fragen
How many parameters does Maximum Entropy Models for machine translation have?
No parameter count has been published for Maximum Entropy Models for machine translation, which is why no memory or speed figure appears on this page.
Who created Maximum Entropy Models for machine translation?
Maximum Entropy Models for machine translation was published by University of Southern California,RWTH Aachen University, based in United States of America, categorised as academia,Academia.
When was Maximum Entropy Models for machine translation released?
Maximum Entropy Models for machine translation was published in July 2002. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is Maximum Entropy Models for machine translation used for?
Maximum Entropy Models for machine translation works in Language, and is recorded as handling translation. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
What GPU do I need to run Maximum Entropy Models for machine translation?
None. Maximum Entropy Models for machine translation is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is Maximum Entropy Models for machine translation open source?
The licensing for Maximum Entropy Models for machine translation was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
Die andere Richtung
Wenn Sie es von der anderen Seite betrachten?
Diese Seite beginnt beim Modell. Wenn Sie bereits eine Karte besitzen und alles erfahren möchten, was es ausführen kann, Beginnen Sie stattdessen mit der Hardware.