Bidirectional RNN
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
- Advanced Telecommunications Research Institute
- Tipo de Organización
- Industry
- País
- Japan
- Publicado
- 1 November 1997
- Autores
- M. Schuster, KK Paliwal
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Speech
- Tarea
- Speech recognition (ASR)
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
- 13K
- Datos de entrenamiento
- 142,910 tokens
Page 7: "The structures of all networks are adjusted so that each of them has about the same number of free parameters (approximately 13 000 here"
"the training data set consisting of 3696 sentences from 462 speakers" Assuming avg sentence length of 20 words 3696 * 20 total words
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
- Highly cited
- Citas
- 7,990
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Bidirectional recurrent neural networks
- Última actualización
- 28 November 2025
Qué significan los números
Fondo
Bidirectional RNN fue publicado por Advanced Telecommunications Research Institute, en el país registrado como Japan, durante November 1997. La categoría en la que se encuentra el editor es industry.
Funciona en el dominio de Speech, y se registra como realizando la tarea de speech recognition (ASR).
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.
Cómo fue entrenado
El conjunto de entrenamiento se ejecutó a aproximadamente 142,910 tokens de texto
Se rastrea en el conjunto de datos subyacente por una razón en particular: highly cited.
Respuestas
Bidirectional RNN — preguntas comunes
Bidirectional RNN— ¿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.
Bidirectional RNN— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 13K. Page 7: "The structures of all networks are adjusted so that each of them has about the same number of free parameters (approximately 13 000 here". 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.
Bidirectional RNN— ¿Quién lo creó?
Fue publicado por Advanced Telecommunications Research Institute, basado en Japan, una organización categorizada como industry.
Bidirectional RNN— ¿cuándo fue lanzado?
Se publicó en November 1997. 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.
Bidirectional RNN— ¿Para qué se utiliza?
Funciona en el dominio de Speech, y se registra como manejando la tarea de speech recognition (ASR). Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
Bidirectional RNN— ¿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.