Vine copula (wine quality)
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
- Massachusetts Institute of Technology (MIT),Rey Juan Carlos University
- Tipo de Organización
- Academia,Academia
- País
- United States of America, Spain
- Publicado
- 4 December 2018
- Autores
- Yi Sun, Alfredo Cuesta-Infante, Kalyan Veeramachaneni
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Tarea
- Multi-class 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
- tokens
Cómputo de entrenamiento
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.
- Cómputo de entrenamiento
- 8.5 × 10¹⁵ FLOP
- Cómo se estableció
- Hardware
"for a 6-dimensional data set of size 500, the RL algorithm finishes in approximately 15 minutes with a single GPU"" Assuming they used V100, fp16 and trained for similar amount of time: 31330000000000 FLOP / GPU / sec * 15 min * 60 sec / min * 0.3 [assumed utilization] = 8.4591e+15 FLOP
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Tiempo de reloj
- 0 hours
" for a 6-dimensional data set of size 500, the RL algorithm finishes in approximately 15 minutes with a single GPU"
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
- Speculative
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Learning Vine Copula Models For Synthetic Data Generation
- Última actualización
- 11 February 2026
Qué significan los números
Qué es este modelo
Vine copula (wine quality) fue publicado por Massachusetts Institute of Technology (MIT),Rey Juan Carlos University, en el país registrado como United States of America, durante December 2018. La organización editora está clasificada como academia,Academia.
y se registra como realizando la tarea de multi-class classification.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Qué se necesitó para construirlo
Producirlo requirió una aritmética que totaliza alrededor de 8.5 × 10¹⁵ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Respuestas
Vine copula (wine quality) — preguntas comunes
Vine copula (wine quality)— ¿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.
Vine copula (wine quality)— ¿Es de código abierto?
La licencia nunca fue registrada en nuestros datos fuente. Tratamos las licencias no declaradas como cerradas, porque una licencia no registrada no es una en la que confiar.
Vine copula (wine quality)— ¿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.
Vine copula (wine quality)— ¿Quién lo creó?
Fue publicado por Massachusetts Institute of Technology (MIT),Rey Juan Carlos University, basado en United States of America, una organización categorizada como academia,Academia.
Vine copula (wine quality)— ¿cuándo fue lanzado?
Se publicó en December 2018. 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.
Vine copula (wine quality)— ¿Para qué se utiliza?
y se registra como manejando la tarea de multi-class 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.
Vine copula (wine quality)— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 8.5 × 10¹⁵ FLOP. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.
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.