Constituency-Tree LSTM
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
- MetaMind Inc,Stanford University
- Tipo de Organización
- Industry,Academia
- País
- United States of America
- Publicado
- 28 February 2015
- Autores
- KS Tai, R Socher, CD Manning
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Semantic embedding
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
- 205.2K
- Datos de entrenamiento
- 319,000 tokens
Table 1 https://arxiv.org/abs/1503.00075
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Citas
- 3,248
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Improved Semantic Representations From Tree-Structured Long Short-Term Memory Networks
- Última actualización
- 25 May 2026
Qué significan los números
De dónde vino
Constituency-Tree LSTM fue publicado por MetaMind Inc,Stanford University, en el país registrado como United States of America, durante February 2015. La organización editora está clasificada como industry,Academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de semantic embedding.
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.
Qué se necesitó para construirlo
Fue entrenado en un corpus de aproximadamente 319,000 tokens de texto
Respuestas
Constituency-Tree LSTM — preguntas comunes
Constituency-Tree LSTM— ¿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.
Constituency-Tree LSTM— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 205.2K. Table 1 https://arxiv.org/abs/1503.00075. 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.
Constituency-Tree LSTM— ¿Quién lo creó?
Fue publicado por MetaMind Inc,Stanford University, basado en United States of America, una organización categorizada como industry,Academia.
Constituency-Tree LSTM— ¿cuándo fue lanzado?
Se publicó en February 2015. 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.
Constituency-Tree LSTM— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de semantic embedding. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
Constituency-Tree LSTM— ¿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.
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.