Clockwork RNN (CW-RNN)
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
- IDSIA,SUPSI
- Tipo de Organización
- Academia,Academia
- País
- Switzerland
- Publicado
- 14 February 2014
- Autores
- Jan Koutník, Klaus Greff, Faustino Gomez, Jürgen Schmidhuber
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Speech
- Tarea
- Audio 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
- 10K
- Datos de entrenamiento
- tokens
"For every word there are 7 examples from different speakers, which were partitioned into 5 for training and 2 for testing, for a total of 175 sequences (125 train, 50 test)." 25 words × 7 speakers = 175 sequences (125 train / 50 test)
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
- Unreleased
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
- Confident
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- A Clockwork RNN
- Última actualización
- 11 February 2026
Qué significan los números
De dónde vino
Clockwork RNN (CW-RNN) fue publicado por IDSIA,SUPSI, en el país registrado como Switzerland, durante February 2014. La organización editora está clasificada como academia,Academia.
Funciona en el dominio de Speech, y se registra como realizando la tarea de audio classification.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Respuestas
Clockwork RNN (CW-RNN) — preguntas comunes
Clockwork RNN (CW-RNN)— ¿Quién lo creó?
Fue publicado por IDSIA,SUPSI, basado en Switzerland, una organización categorizada como academia,Academia.
Clockwork RNN (CW-RNN)— ¿cuándo fue lanzado?
Se publicó en February 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.
Clockwork RNN (CW-RNN)— ¿Para qué se utiliza?
Funciona en el dominio de Speech, y se registra como manejando la tarea de audio 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.
Clockwork RNN (CW-RNN)— ¿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.
Clockwork RNN (CW-RNN)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
Clockwork RNN (CW-RNN)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 10K. 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.