SimpleNet
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
- Sensifai,Islamic Azad University,Technicolor R&I,Institute for Research in Fundamental Sciences (IPM)
- Tipo de Organización
- Industry,Academia
- País
- Belgium, Iran (Islamic Republic of), France
- Publicado
- 22 August 2016
- Autores
- Seyyed Hossein Hasanpour, Mohammad Rouhani, Mohsen Fayyaz, Mohammad Sabokrou
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
- Formato numérico
- FP32
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.
- parámetros
- 5.5M
- Datos de entrenamiento
- 1,280,000 tokens
SOTA CIFAR-10 model was 5.48m params
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 980
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Confident
- Citas
- 128
"We achieved state-of-theart result on CIFAR10 outperforming several heavier architectures"
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Lets keep it simple, Using simple architectures to outperform deeper and more complex architectures
- Última actualización
- 25 May 2026
Qué significan los números
De dónde vino
SimpleNet fue publicado por Sensifai,Islamic Azad University,Technicolor R&I,Institute for Research in Fundamental Sciences (IPM), en el país registrado como Belgium, durante August 2016. La organización editora está clasificada como industry,Academia.
Funciona en el dominio de Vision, y se registra como realizando la tarea de image classification.
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a través de su proveedor. No hay cambios en la tarjeta gráfica que eso.
Entrenamiento y procedencia
Fue entrenado en un corpus de aproximadamente 1,280,000 tokens de texto
Su criterio de inclusión: sOTA improvement.
Respuestas
SimpleNet — preguntas comunes
SimpleNet— ¿Quién lo creó?
Fue publicado por Sensifai,Islamic Azad University,Technicolor R&I,Institute for Research in Fundamental Sciences (IPM), basado en Belgium, una organización categorizada como industry,Academia.
SimpleNet— ¿cuándo fue lanzado?
Se publicó en August 2016. 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.
SimpleNet— ¿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.
SimpleNet— ¿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.
SimpleNet— ¿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.
SimpleNet— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 5.5M. SOTA CIFAR-10 model was 5.48m params. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
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.