node2vec
Aucune estimation
Aucun besoin matériel pour ce modèle
Les poids de ce modèle n'ont pas été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel, quelle que soit la taille. Il n'est accessible que via son fournisseur, et aucune carte graphique ne change cela.
Enregistrement terminé
Spécification complète
Tout ce qui concerne ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — contexte utile pour évaluer le travail fourni et sa comparaison avec des modèles construits à une échelle différente.
Origine
Qui a construit ce modèle, où et quand il a été publié.
- Organisation
- Stanford University
- Type d'organisation
- Academia
- Pays
- United States of America
- Publié
- 3 July 2016
- Auteurs
- Aditya Grover, Jure Leskovec
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut en porter plusieurs de chacun.
- Domaine
- Mathematics
- Tâche
- Pattern classification
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui détermine s'il tient sur une carte graphique donnée.
- Paramètres
- 1.3M
- Données d'entraînement
- tokens
If a graph has 10,000 nodes and the embeddings are 128-dimensional, then the total number of parameters would be: P=10,000×128=1,280,000
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui décide si l'une des chiffres de carte graphique sur cette page s'applique.
- Code d'entraînement
- Open source
https://github.com/aditya-grover/node2vec MIT license
Comment il est classé
Étiquettes que le jeu de données source applique lors du suivi des modèles notables, et à quel point il est confiant dans l'entrée.
- Confiance d'enregistrement
- Speculative
Sources
D'où provient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- node2vec: Scalable Feature Learning for Networks
- Dernière mise à jour
- 28 November 2025
Ce que signifient les chiffres
Background
node2vec was published by Stanford University, in United States of America, in July 2016. It comes out of academia.
It works in Mathematics, and is recorded as doing pattern classification.
Ses poids n'ont jamais été publiés, donc on ne peut y accéder que par son fournisseur. Aucun changement de carte graphique ne change cela.
Réponses
node2vec — Questions fréquentes
Who created node2vec?
node2vec was published by Stanford University, based in United States of America, categorised as academia.
When was node2vec released?
node2vec was published in July 2016. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is node2vec used for?
node2vec works in Mathematics, and is recorded as handling pattern classification. These are the areas it was designed around; they describe intent rather than a hard boundary.
What GPU do I need to run node2vec?
None. node2vec is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is node2vec open source?
The licensing for node2vec was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does node2vec have?
node2vec has 1.3M parameters. If a graph has 10,000 nodes and the embeddings are 128-dimensional, then the total number of parameters would be: P=10,000×128=1,280,000. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Dans l'autre sens
Regardez-la de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez connaître tout ce qu'elle pourra exécuter, commencez plutôt par le matériel.