LCNP NORB
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.
- Publicado
- 22 November 2009
- Autores
- Rafael Uetz, Sven Behnke
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Vision
- Tarea
- Object recognition
- Enfoque
- Supervised
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
- 16.8M
- Datos de entrenamiento
- 24,300 tokens
- Épocas
- 1,000
Locally connected: 128*128*4*4*4*10 + 64*64*8*4*4*4 + 32*32*16*4*4*8 + 16*16*32*4*4*16=16777216 Classification head: 16*16*32*5=40960 Total: 16777216+40960=16818176 "five regular layers with the dimensions 256×256, 128×128, . . ., 16×16." "size of the receptive field to be 4 × 4 neurons"
(2) The NORB normalized-uniform dataset [2], which consists of stereoscopic grayscale images of 50 toys, belonging to 5 categories. Each of the 48,600 images (24,300 for training and 24,300 for testing) shows one toy under different lighting conditions, elevations and azimuths.
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
- 2.5 × 10¹⁵ FLOP
- Cómo se estableció
- Operation counting
2*16818176*3*24300 *1000=2452090060800000
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Por qué se rastrea
- Historical significance
- Confianza de registro
- Confident
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Large-scale object recognition with CUDA-accelerated hierarchical neural networks
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
LCNP NORB fue publicado por its authors, durante November 2009.
Funciona en el dominio de Vision, y se registra como realizando la tarea de object recognition.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Entrenamiento y procedencia
Producirlo requirió una aritmética que totaliza alrededor de 2.5 × 10¹⁵ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
El conjunto de entrenamiento se ejecutó a aproximadamente 24,300 tokens de texto
Se rastrea en el conjunto de datos subyacente por una razón en particular: historical significance.
Respuestas
LCNP NORB — preguntas comunes
LCNP NORB— ¿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.
LCNP NORB— ¿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.
LCNP NORB— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 16.8M. Locally connected: 128*128*4*4*4*10 + 64*64*8*4*4*4 + 32*32*16*4*4*8 + 16*16*32*4*4*16=16777216 Classification head: 16*16*32*5=40960 Total: 16777216+40960=16818176 "five regular layers with the dimensions 256×256, 128×128, . . ., 16×16." "size of the receptive field to be 4 × 4 neurons". 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.
LCNP NORB— ¿cuándo fue lanzado?
Se publicó en November 2009. 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.
LCNP NORB— ¿Para qué se utiliza?
Funciona en el dominio de Vision, y se registra como manejando la tarea de object recognition. 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.
LCNP NORB— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 2.5 × 10¹⁵ FLOP. 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.
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.