Dropout (TIMIT)
Sin estimación
No hay requisitos de hardware para este modelo
Los pesos de este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en su propio hardware en ningún tamaño. Solo es accesible a través de su proveedor, y ninguna tarjeta gráfica lo cambia.
En registro
Especificación completa
Todo lo registrado para este modelo. La mayoría de ello describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se dedicó a ello y cómo se compara con modelos construidos a una escala diferente.
Origen
¿Quién construyó este modelo, dónde y cuándo fue publicado?
- Organización
- University of Toronto
- Tipo de organización
- Academia
- País
- Canada
- Publicado
- 3 June 2012
- Autores
- GE Hinton, N Srivastava, A Krizhevsky
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Speech
- Tarea
- Speech recognition (ASR)
Tamaño
Qué tan grande es el modelo y cuántos datos se utilizaron para entrenarlo. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Parámetros
- 48.8M
- Datos de entrenamiento
- tokens
The input to the net is 21 adjacent frames with an advance of 10ms per frame. The neural net has 4 fully-connected hidden layers of 4000 units per layer and 185 “softmax” output units that are subsequently merged into the 39 distinct classes used for the benchmark.
4162 utterances, guesstimated avg 10 words per utterance
El entrenamiento
Lo que se necesitó físicamente para entrenar: qué chips, cuántos, durante cuánto tiempo y qué consumió de la pared.
- Hardware de entrenamiento
- NVIDIA GeForce GTX 580
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo cual es lo que decide si alguna de las cifras de la tarjeta gráfica en esta página aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Open (non-commercial)
http://www.cs.toronto.edu/~nitish/dropout see model files
Cómo se clasifica
Etiquetas que aplica el conjunto de datos de origen al rastrear modelos notables y cuán seguro está de la entrada.
- Por qué se rastrea
- Highly cited
- Citas
- 7,999
Fuentes
De dónde proviene este registro y cuándo fue revisado por última vez.
- Referencia
- Improving neural networks by preventing co-adaptation of feature detectors
- Última actualización
- 25 May 2026
Qué significan los números
Background
Dropout (TIMIT) was published by University of Toronto, in Canada, in June 2012. academia is the category the publisher falls under.
It works in Speech, and is recorded as doing speech recognition (ASR).
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a ellos a través de su proveedor. Ninguna tarjeta gráfica cambia eso.
Cómo fue entrenado
The reason it appears in this catalogue at all is highly cited.
Respuestas
Dropout (TIMIT) — Preguntas frecuentes
What is Dropout (TIMIT) used for?
Dropout (TIMIT) works in Speech, and is recorded as handling speech recognition (ASR). A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
What GPU do I need to run Dropout (TIMIT)?
None. Dropout (TIMIT) is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is Dropout (TIMIT) open source?
No. Dropout (TIMIT) has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Dropout (TIMIT) have?
Dropout (TIMIT) has 48.8M parameters. The input to the net is 21 adjacent frames with an advance of 10ms per frame. The neural net has 4 fully-connected hidden layers of 4000 units per layer and 185 “softmax” output units that are subsequently merged into the 39 distinct classes used for the benchmark. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created Dropout (TIMIT)?
Dropout (TIMIT) was published by University of Toronto, based in Canada, categorised as academia.
When was Dropout (TIMIT) released?
Dropout (TIMIT) was published in June 2012. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posee una tarjeta y desea saber todo lo que podrá ejecutar, empiece por el hardware en su lugar.