LeNet-5
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
- AT&T
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 1 November 1998
- Autores
- Yann LeCun, Léon Bottou, Yoshua Bengio, Patrick Haffner
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)
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
- 60K
- Datos de entrenamiento
- 60,000 tokens
"[LeNet5] contains 390408 connections, but only 60000 trainable free parameters because of the weight sharing"
The MNIST database contains 60,000 training images and 10,000 testing images (Wikipedia)
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 × 10¹² FLOP
- Cómo se estableció
- Operation counting
"[LeNet5] contains 390408 connections" = multiply-adds MNIST - 60,000 data points 20 epochs 390408*60000*6*20=2.810938e+12
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
- Historical significance,Highly cited
- Confianza de registro
- Confident
- Citas
- 57,900
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Gradient-based Learning Applied to Document Recognition
- Última actualización
- 1 January 2026
Qué significan los números
Acerca de este modelo
LeNet-5 fue publicado por AT&T, en el país registrado como United States of America, durante November 1998. La organización editora está clasificada como industry.
Funciona en el dominio de Vision, y se registra como realizando la tarea de character recognition (OCR).
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a través de su proveedor. No hay cambios en la tarjeta gráfica que eso.
Qué se necesitó para construirlo
El entrenamiento consumió alrededor de 2.8 × 10¹² 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 60,000 tokens de texto
Su criterio de inclusión: historical significance,Highly cited.
Respuestas
LeNet-5 — preguntas comunes
LeNet-5— ¿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.
LeNet-5— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 60K. "[LeNet5] contains 390408 connections, but only 60000 trainable free parameters because of the weight sharing". 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.
LeNet-5— ¿Quién lo creó?
Fue publicado por AT&T, basado en United States of America, una organización categorizada como industry.
LeNet-5— ¿cuándo fue lanzado?
Se publicó en November 1998. 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.
LeNet-5— ¿Para qué se utiliza?
Funciona en el dominio de Vision, y se registra como manejando la tarea de character recognition (OCR). 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.
LeNet-5— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 2.8 × 10¹² 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.
LeNet-5— ¿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.