Boosting
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
- Bell Laboratories
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 30 November 1992
- Autores
- H. Drucker, R. Schapire, Patrice Y. Simard
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Vision
- Tarea
- Digit recognition
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
- 2.6K
- Datos de entrenamiento
- 29,127 tokens
“The network has 4645 neurons, 2578 different weights, and 98442 connections.“
“divided into 9709 training examples and 2007 validation samples.”
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
- Likely
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Improving Performance in Neural Networks Using a Boosting Algorithm
- Última actualización
- 28 November 2025
Qué significan los números
Acerca de este modelo
Boosting fue publicado por Bell Laboratories, en el país registrado como United States of America, durante November 1992. La categoría en la que se encuentra el editor es industry.
Funciona en el dominio de Vision, y se registra como realizando la tarea de digit recognition.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Qué se necesitó para construirlo
Fue entrenado en un corpus de aproximadamente 29,127 tokens de texto
La razón por la que aparece en este catálogo en absoluto: historical significance.
Respuestas
Boosting — preguntas comunes
Boosting— ¿Para qué se utiliza?
Funciona en el dominio de Vision, y se registra como manejando la tarea de digit recognition. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
Boosting— ¿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.
Boosting— ¿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.
Boosting— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 2.6K. “The network has 4645 neurons, 2578 different weights, and 98442 connections.“. 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.
Boosting— ¿Quién lo creó?
Fue publicado por Bell Laboratories, basado en United States of America, una organización categorizada como industry.
Boosting— ¿cuándo fue lanzado?
Se publicó en November 1992. 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.
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.