Binarized Neural Network (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
- Technion - Israel Institute of Technology,Columbia University,University of Montreal / Université de Montréal
- Tipo de Organización
- Academia,Academia,Academia
- País
- Israel, United States of America, Canada
- Publicado
- 17 March 2016
- Autores
- Matthieu Courbariaux, Itay Hubara, Daniel Soudry, Ran El-Yaniv, Yoshua Bengio
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.
- parámetros
- 37M
- Datos de entrenamiento
- 60,000 tokens
- Épocas
- 1,000
Parameter count is not explicitly stated, but they give details: "The MLP we train on MNIST consists of 3 hidden layers of 4096 binary units (see Section 1) and a L2-SVM output layer" Approximately 37m, based on 784 pixels * 4096 + 2 * 4096^2
60k training images, 10k test in MNIST
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
- Citas
- 3,299
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Binarized Neural Networks: Training Neural Networks with Weights and Activations Constrained to +1 or −1
- Última actualización
- 11 February 2026
Qué significan los números
De dónde vino
Binarized Neural Network (MNIST) fue publicado por Technion - Israel Institute of Technology,Columbia University,University of Montreal / Université de Montréal, en el país registrado como Israel, durante March 2016. Sale de una organización categorizada como academia,Academia,Academia.
Funciona en el dominio de Vision, y se registra como realizando la tarea de image classification.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Entrenamiento y procedencia
El conjunto de entrenamiento se ejecutó a aproximadamente 60,000 tokens de texto
Respuestas
Binarized Neural Network (MNIST) — preguntas comunes
Binarized Neural Network (MNIST)— ¿Para qué se utiliza?
Funciona en el dominio de Vision, y se registra como manejando la tarea de image classification. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
Binarized Neural Network (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.
Binarized Neural Network (MNIST)— ¿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.
Binarized Neural Network (MNIST)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 37M. Parameter count is not explicitly stated, but they give details: "The MLP we train on MNIST consists of 3 hidden layers of 4096 binary units (see Section 1) and a L2-SVM output layer" Approximately 37m, based on 784 pixels * 4096 + 2 * 4096^2. 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.
Binarized Neural Network (MNIST)— ¿Quién lo creó?
Fue publicado por Technion - Israel Institute of Technology,Columbia University,University of Montreal / Université de Montréal, basado en Israel, una organización categorizada como academia,Academia,Academia.
Binarized Neural Network (MNIST)— ¿cuándo fue lanzado?
Se publicó en March 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.
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.