Support Vector Machines
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,Bell Laboratories
- Tipo de Organización
- Industry,Industry
- País
- United States of America
- Publicado
- 1 September 1995
- Autores
- C Cortes, V Vapnik
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Vision
- Tarea
- Image classification
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
- 100M
- Datos de entrenamiento
- 60,000 tokens
Section 6.2.2: "...polynomials of degree 4 (that have more than 10^8 free parameters)..." They used 4-degree polynomials for MNIST
Section 6.2: "The large database consists of 60,000 training and 10,000 test patterns"
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
- 48,968
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Support-Vector Networks
- Última actualización
- 28 November 2025
Qué significan los números
Qué es este modelo
Support Vector Machines fue publicado por AT&T,Bell Laboratories, en el país registrado como United States of America, durante September 1995. La organización editora está clasificada como industry,Industry.
Funciona en el dominio de Vision, y se registra como realizando la tarea de image classification.
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 entrenamiento consumió un corpus de alrededor de 60,000 tokens de texto
Se rastrea en el conjunto de datos subyacente por una razón en particular: highly cited.
Respuestas
Support Vector Machines — preguntas comunes
Support Vector Machines— ¿Quién lo creó?
Fue publicado por AT&T,Bell Laboratories, basado en United States of America, una organización categorizada como industry,Industry.
Support Vector Machines— ¿cuándo fue lanzado?
Se publicó en September 1995. 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.
Support Vector Machines— ¿Para qué se utiliza?
Funciona en el dominio de Vision, y se registra como manejando la tarea de image classification. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
Support Vector Machines— ¿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.
Support Vector Machines— ¿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.
Support Vector Machines— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 100M. Section 6.2.2: "...polynomials of degree 4 (that have more than 10^8 free parameters)..." They used 4-degree polynomials for MNIST. 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.
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.