Weight Decay
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
- 2 December 1991
- Autores
- A. Krogh, J. Hertz
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 synthesis
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
- 8.4K
- Datos de entrenamiento
- 25,000 tokens
- Épocas
- 300
7*26*40+40+40*26+26=8386 "The network had 7 x 26 input units, 40 hidden units and 26 output units"
"It was trained on 400 to 5000 random words from the data base of around 20.000 words,"
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
- 7.5 × 10¹⁰ FLOP
- Cómo se estableció
- Operation counting
2*8386*3*1500000=75474000000=7.55e10 "It was trained on 400 to 5000 random words from the data base of around 20.000 words," "The top full line corresponds to the generalization error after 300 epochs"
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
- Highly cited,Historical significance
- Confianza de registro
- Confident
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- A Simple Weight Decay Can Improve Generalization
- Última actualización
- 28 November 2025
Qué significan los números
Fondo
Weight Decay fue publicado por its authors, durante December 1991.
Funciona en el dominio de Speech, y se registra como realizando la tarea de speech synthesis.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Qué se necesitó para construirlo
Producirlo requirió una aritmética que totaliza alrededor de 7.5 × 10¹⁰ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Fue entrenado en un corpus de aproximadamente 25,000 tokens de texto
La razón por la que aparece en este catálogo en absoluto: highly cited,Historical significance.
Respuestas
Weight Decay — preguntas comunes
Weight Decay— ¿cuándo fue lanzado?
Se publicó en December 1991. 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.
Weight Decay— ¿Para qué se utiliza?
Funciona en el dominio de Speech, y se registra como manejando la tarea de speech synthesis. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
Weight Decay— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 7.5 × 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.
Weight Decay— ¿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.
Weight Decay— ¿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.
Weight Decay— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 8.4K. 7*26*40+40+40*26+26=8386 "The network had 7 x 26 input units, 40 hidden units and 26 output units". 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.