LMICA
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
- 1 December 2004
- Autores
- Yoshitatsu Matsuda, K. Yamaguchi
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 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
- 4.1M
- Datos de entrenamiento
- 100,000 tokens
64*64*1000=4096000 "100000 samples of natural scenes of 64 × 64 pixels were given as X" "LMICA was carried out in 1000 layers"
"100000 samples of natural scenes of 64 × 64 pixels were given as X"
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
- 2.8 × 10¹⁵ FLOP
- Cómo se estableció
- Hardware
69*60*60*8*2800000000*0.5=2782080000000000=2.78e15 "it consumed about 69 hours with Intel 2.8GHz CPU" - Assuming they used an Intel Pentium 4 processor with 8 FLOP/cycle (https://en.wikipedia.org/wiki/FLOPS)
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Modelo Frontier
- Yes
- Por qué se rastrea
- Training cost,Historical significance
- Confianza de registro
- Confident
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Linear Multilayer Independent Component Analysis for Large Natural Scenes
- Última actualización
- 28 November 2025
Qué significan los números
Acerca de este modelo
LMICA fue publicado por its authors, durante December 2004.
Funciona en el dominio de Vision, y se registra como realizando la tarea de object detection.
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 2.8 × 10¹⁵ FLOP. 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 100,000 tokens de texto
La razón por la que aparece en este catálogo en absoluto: training cost,Historical significance.
Respuestas
LMICA — preguntas comunes
LMICA— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 2.8 × 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.
LMICA— ¿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.
LMICA— ¿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.
LMICA— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 4.1M. 64*64*1000=4096000 "100000 samples of natural scenes of 64 × 64 pixels were given as X" "LMICA was carried out in 1000 layers". 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.
LMICA— ¿cuándo fue lanzado?
Se publicó en December 2004. 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.
LMICA— ¿Para qué se utiliza?
Funciona en el dominio de Vision, y se registra como manejando la tarea de object detection. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
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.