AmoebaNet-A (F=448)
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle n'ont pas été publiés, donc il ne peut pas être téléchargé ou exécuté sur votre propre matériel à aucune taille. Il n'est accessible que par l'intermédiaire de son fournisseur, et aucun changement de carte graphique ne modifie cela..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- Google Brain
- Type d'organisation
- Industry
- Pays
- United States of America
- Publié
- 5 February 2018
- Auteurs
- Esteban Real, Alok Aggarwal, Yanping Huang, Quoc V Le
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Vision
- Tâche
- Image classification
- Format numérique
- FP32
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- paramètres
- 469M
- Données d'entraînement
- 1,150,000 tokens
Table 2
Calcul de formation
L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations en virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, pas de la rapidité avec laquelle le modèle fini vous répond.
- Calcul de formation
- 3.9 × 10²⁰ FLOP
- Comment cela a été établi
- Hardware
450 K40 GPUs for 20k models (approx. 7 days). (From Imagenet paper-data, Besiroglu et al., forthcoming)
L'exécution de formation
Ce qu'il a physiquement fallu pour entraîner : quels chips, combien, pendant combien de temps, et ce que cela a tiré du secteur.
- Matériel d'entraînement
- NVIDIA Tesla K40s
- Chips utilisés
- 450
- Heures de puce
- 75,600
- Temps en temps réel
- 168 hours (7 days)
- Consommation d'énergie
- 229.2 kW
- Coût de calcul
- $11,766
"Each experiment ran on 450 K40 GPUs for 20k models (approx. 7 days)."
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'un des chiffres de la carte graphique sur cette page s'applique.
- Poids
- Closed — provider access only
- Accès au modèle
- Unreleased
- Code d'entraînement
- Unreleased
has code, but looks like just a toy model: https://colab.research.google.com/github/google-research/google-research/blob/master/evolution/regularized_evolution_algorithm/regularized_evolution.ipynb
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Confiance d'enregistrement
- Confident
- Citations
- 3,322
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Regularized Evolution for Image Classifier Architecture Search
- Dernière mise à jour
- 25 May 2026
Ce que les chiffres signifient
Ce que ce modèle est
AmoebaNet-A (F=448) a été publié par Google Brain, dans le pays enregistré comme United States of America, durant February 2018. L'organisation de publication est catégorisée comme industry.
Il fonctionne dans le domaine de Vision, et est enregistré comme exécutant la tâche de image classification.
C'est un modèle fermé : les valeurs entraînées sont restées avec ceux qui les ont produites, et il n'y a pas de version locale à exécuter.
Entraînement et provenance
L'entraînement a nécessité un budget de calcul d'environ 3.9 × 10²⁰ FLOP, sur matériel enregistré comme NVIDIA Tesla K40s. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
L'ensemble d'entraînement a duré environ 1,150,000 jetons de texte
Réponses
AmoebaNet-A (F=448) — questions courantes
AmoebaNet-A (F=448)— qui l'a créé ?
Il a été publié par Google Brain, basé sur United States of America, une organisation catégorisée comme industry.
AmoebaNet-A (F=448)— quand a-t-il été publié ?
Il a été publié dans February 2018. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.
AmoebaNet-A (F=448)— à quoi ça sert ?
Il fonctionne dans le domaine de Vision, et est enregistré comme gérant la tâche de image classification. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.
AmoebaNet-A (F=448)— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 3.9 × 10²⁰ FLOP, sur matériel enregistré comme NVIDIA Tesla K40s. Cela mesure ce que coûte la production du modèle et ne dit rien sur la rapidité avec laquelle il répond une fois entraîné — la vitesse d'inférence provient de la bande passante mémoire, et non du budget d'entraînement.
AmoebaNet-A (F=448)— Quelle GPU ai-je besoin pour l'exécuter ?
Aucun. C'est un modèle fermé - ses poids n'ont jamais été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel à aucun prix. Il n'est accessible que par son fournisseur.
AmoebaNet-A (F=448)— est-ce que c'est open source ?
Non. Ses poids n'ont pas été publiés, donc il n'existe que sous forme de service contrôlé par son propriétaire.
AmoebaNet-A (F=448)— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 469M. Table 2. Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-gigaoctet par milliard à la compression que la plupart des gens utilisent.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.