ANN Eye Tracker
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
- 29 November 1993
- Autores
- S. Baluja, D. Pomerleau
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Vision
- Tarea
- Miscellaneous image analysis
- Enfoque
- Supervised
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
- 5.6K
- Datos de entrenamiento
- 4,000 tokens
- Épocas
- 260
15*15*20+20+50*10*2+100=5620 Hidden layer is split, 15*15 image input, 2*50 output neurons (see Figure 2) Hidden size up to 20 neurons ("This architecture was used with varying numbers of hidden units in the single, divided, hidden layer; experiments with 10, 16 and 20 hidden units were performed. ")
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
- 1.8 × 10¹⁰ FLOP
- Cómo se estableció
- Operation counting
2*5620*3*520000=17534400000 Training examples: 2000*260=520000 "As mentioned before, 2000 image/position pairs were gathered for training" "All of the networks described in this paper are trained with the same parameters for 260 epochs"
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Tiempo de reloj
- 1 hours
"Training the 8x2 hidden layer network using the 15x40 input retina, with 2000 images, takes approximately 30-40 minutes on a Sun SPARC 10 machine. "
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
- Historical significance
- Confianza de registro
- Confident
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Non-Intrusive Gaze Tracking Using Artificial Neural Networks
- Última actualización
- 28 November 2025
Qué significan los números
Acerca de este modelo
ANN Eye Tracker fue publicado por its authors, durante November 1993.
Funciona en el dominio de Vision, y se registra como realizando la tarea de miscellaneous image analysis.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Cómo fue entrenado
Entrenarlo tomó un presupuesto de computación de aproximadamente 1.8 × 10¹⁰ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
El conjunto de entrenamiento se ejecutó a aproximadamente 4,000 tokens de texto
La razón por la que aparece en este catálogo en absoluto: historical significance.
Respuestas
ANN Eye Tracker — preguntas comunes
ANN Eye Tracker— ¿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.
ANN Eye Tracker— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 5.6K. 15*15*20+20+50*10*2+100=5620 Hidden layer is split, 15*15 image input, 2*50 output neurons (see Figure 2) Hidden size up to 20 neurons ("This architecture was used with varying numbers of hidden units in the single, divided, hidden layer; experiments with 10, 16 and 20 hidden units were performed. "). 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.
ANN Eye Tracker— ¿cuándo fue lanzado?
Se publicó en November 1993. 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.
ANN Eye Tracker— ¿Para qué se utiliza?
Funciona en el dominio de Vision, y se registra como manejando la tarea de miscellaneous image analysis. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
ANN Eye Tracker— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 1.8 × 10¹⁰ 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.
ANN Eye Tracker— ¿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.