Graph-based Semi-Supervised Learning (GSSL) Model on MNIST
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- West Virginia University
- Tipo de Organización
- Academia
- País
- United States of America
- Publicado
- 17 July 2019
- Autores
- Fariborz Taherkhani, Hadi Kazemi, Nasser M. Nasrabadi
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Vision
- Tarea
- Image classification
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- 60,000 tokens
batch size: 128 training steps and epochs unknown
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Hardware de entrenamiento
- NVIDIA GeForce GTX TITAN X
- Chips utilizados
- 2
- Consumo de energía
- 1.0 kW
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Unreleased
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Unknown
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Matrix Completion for Graph-Based Deep Semi-Supervised Learning
- Última actualización
- 11 February 2026
Qué significan los números
Qué es este modelo
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST fue publicado por West Virginia University, en el país registrado como United States of America, durante July 2019. La organización editora está clasificada como academia.
Funciona en el dominio de Vision, y se registra como realizando la tarea de image classification.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Qué se necesitó para construirlo
Fue entrenado en un corpus de aproximadamente 60,000 tokens de texto
Respuestas
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST — preguntas comunes
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST— ¿Quién lo creó?
Fue publicado por West Virginia University, basado en United States of America, una organización categorizada como academia.
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST— ¿cuándo fue lanzado?
Se publicó en July 2019. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST— ¿Para qué se utiliza?
Funciona en el dominio de Vision, y se registra como manejando la tarea de image classification. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST— ¿cuántos parámetros tiene?
No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.