ConvNet Processor
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
- Courant Institute of Mathematical Sciences
- Tipo de Organización
- Academia
- País
- United States of America
- Publicado
- 31 August 2009
- Autores
- Clément Farabet, Cyril Poulet, Jefferson Y Han, Yann LeCun
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Vision
- Tarea
- Face detection
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
- 14.4K
- Datos de entrenamiento
- 30,000 tokens
- Épocas
- 5
C1: 6x7x7 C3: 61x7x7 C5: 305x6x6 F6: 80x2 Total = 14423
"The dataset contained 45,000 images from various sources, of which 30,000 were used for training, and 15,000 for testing"
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
- 3.1 × 10¹⁴ FLOP
- Cómo se estableció
- Operation counting
(2*340 million) * 3 * 30000 * 5 "340 million connection network" operations per fwd pass ~= 2*340 million "With a fixed detection threshold, the system reaches a roughly 3% equal error rate on this dataset after only 5 training epochs through the training set."
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
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
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- CNP: An FPGA-based processor for convolutional networks
- Última actualización
- 28 November 2025
Qué significan los números
Acerca de este modelo
ConvNet Processor fue publicado por Courant Institute of Mathematical Sciences, en el país registrado como United States of America, durante August 2009. La categoría en la que se encuentra el editor es academia.
Funciona en el dominio de Vision, y se registra como realizando la tarea de face detection.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Entrenamiento y procedencia
Producirlo requirió una aritmética que totaliza alrededor de 3.1 × 10¹⁴ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Fue entrenado en un corpus de aproximadamente 30,000 tokens de texto
Respuestas
ConvNet Processor — preguntas comunes
ConvNet Processor— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 14.4K. C1: 6x7x7 C3: 61x7x7 C5: 305x6x6 F6: 80x2 Total = 14423. 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.
ConvNet Processor— ¿Quién lo creó?
Fue publicado por Courant Institute of Mathematical Sciences, basado en United States of America, una organización categorizada como academia.
ConvNet Processor— ¿cuándo fue lanzado?
Se publicó en August 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.
ConvNet Processor— ¿Para qué se utiliza?
Funciona en el dominio de Vision, y se registra como manejando la tarea de face detection. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
ConvNet Processor— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 3.1 × 10¹⁴ 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.
ConvNet Processor— ¿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.
ConvNet Processor— ¿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.