SCRN (Structurally Constrained Recurrent Network)
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
- Facebook AI Research
- Tipo de Organización
- Industry
- País
- United States of America, France
- Publicado
- 24 December 2014
- Autores
- Tomas Mikolov, Armand Joulin, Sumit Chopra, Michael Mathieu, Marc'Aurelio Ranzato
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Language modeling
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
- 26.5M
- Datos de entrenamiento
- tokens
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
- Open source
code, BSD license: https://github.com/facebookarchive/SCRNNs
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Citas
- 306
- Datos de referencia
- SCRN(Structurally Constrained Recurrent Network)
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Learning Longer Memory in Recurrent Neural Networks
- Última actualización
- 11 February 2026
Qué significan los números
Acerca de este modelo
SCRN (Structurally Constrained Recurrent Network) fue publicado por Facebook AI Research, en el país registrado como United States of America, durante December 2014. Sale de una organización categorizada como industry.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling.
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.
Respuestas
SCRN (Structurally Constrained Recurrent Network) — preguntas comunes
SCRN (Structurally Constrained Recurrent Network)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 26.5M. 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.
SCRN (Structurally Constrained Recurrent Network)— ¿Quién lo creó?
Fue publicado por Facebook AI Research, basado en United States of America, una organización categorizada como industry.
SCRN (Structurally Constrained Recurrent Network)— ¿cuándo fue lanzado?
Se publicó en December 2014. 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.
SCRN (Structurally Constrained Recurrent Network)— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling. 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.
SCRN (Structurally Constrained Recurrent Network)— ¿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.
SCRN (Structurally Constrained Recurrent Network)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
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.