6-layer MLP (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
- IDSIA,University of Lugano,SUPSI
- Tipo de Organización
- Academia,Academia,Academia
- País
- Switzerland
- Publicado
- 1 March 2010
- Autores
- Dan Claudiu Ciresan, Ueli Meier, Luca Maria Gambardella, Juergen Schmidhuber
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Vision
- Tarea
- Character recognition (OCR)
- Formato numérico
- FP32
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
- 12.1M
- Datos de entrenamiento
- 60,000 tokens
Table 1
"MNIST consists of two datasets, one for training (60,000 images) and one for testing (10,000 images). Many studies divide the training set into two sets consisting of 50,000 images for training and 10,000 for validation. Our network is trained on slightly deformed images, continually generated in on-line fashion; hence we may use the whole un-deformed training set for validation, without wasting training images"
Cómputo de entrenamiento
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.
- Cómputo de entrenamiento
- 1.3 × 10¹⁴ FLOP
- Cómo se estableció
- Operation counting
"Networks with up to 12 million weights can successfully be trained by plain gradient descent to achieve test errors below 1% after 20-30 epochs in less than 2 hours of training." 60k images in each MNIST epoch. Architecture-based estimate: 6 * 12.11M * 60k * 30 = 1.31e14 We can also get a rough hardware estimate. The authors use single precision, GTX280 gets 6.221e11 FLOPs in single precision. Training 30 epochs takes less than 2 hours, but on each epoch the training set is augmented in onli…
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Hardware de entrenamiento
- NVIDIA GeForce GTX 280,Intel Core 2 Quad Q9450
- Tiempo de reloj
- 2 hours
"less than 2 hours of training"
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
- Likely
- Citas
- 1,264
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Deep Big Simple Neural Nets Excel on Handwritten Digit Recognition
- Última actualización
- 11 February 2026
Qué significan los números
Acerca de este modelo
6-layer MLP (MNIST) fue publicado por IDSIA,University of Lugano,SUPSI, en el país registrado como Switzerland, durante March 2010. La categoría en la que se encuentra el editor es academia,Academia,Academia.
Funciona en el dominio de Vision, y se registra como realizando la tarea de character recognition (OCR).
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Qué se necesitó para construirlo
Entrenarlo tomó un presupuesto de computación de aproximadamente 1.3 × 10¹⁴ FLOP, en hardware registrado como NVIDIA GeForce GTX 280,Intel Core 2 Quad Q9450. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
El entrenamiento consumió un corpus de alrededor de 60,000 tokens de texto
Respuestas
6-layer MLP (MNIST) — preguntas comunes
6-layer MLP (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.
6-layer MLP (MNIST)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 12.1M. Table 1. 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.
6-layer MLP (MNIST)— ¿Quién lo creó?
Fue publicado por IDSIA,University of Lugano,SUPSI, basado en Switzerland, una organización categorizada como academia,Academia,Academia.
6-layer MLP (MNIST)— ¿cuándo fue lanzado?
Se publicó en March 2010. 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.
6-layer MLP (MNIST)— ¿Para qué se utiliza?
Funciona en el dominio de Vision, y se registra como manejando la tarea de character recognition (OCR). Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
6-layer MLP (MNIST)— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 1.3 × 10¹⁴ FLOP, en hardware registrado como NVIDIA GeForce GTX 280,Intel Core 2 Quad Q9450. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.
6-layer MLP (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.
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.