Binarized Neural Network (MNIST)
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
- Technion - Israel Institute of Technology,Columbia University,University of Montreal / Université de Montréal
- Type d'organisation
- Academia,Academia,Academia
- Pays
- Israel, United States of America, Canada
- Publié
- 17 March 2016
- Auteurs
- Matthieu Courbariaux, Itay Hubara, Daniel Soudry, Ran El-Yaniv, Yoshua Bengio
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
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
- 37M
- Données d'entraînement
- 60,000 tokens
- Époques
- 1,000
Parameter count is not explicitly stated, but they give details: "The MLP we train on MNIST consists of 3 hidden layers of 4096 binary units (see Section 1) and a L2-SVM output layer" Approximately 37m, based on 784 pixels * 4096 + 2 * 4096^2
60k training images, 10k test in MNIST
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
- Speculative
- Citations
- 3,299
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Binarized Neural Networks: Training Neural Networks with Weights and Activations Constrained to +1 or −1
- Dernière mise à jour
- 11 February 2026
Ce que les chiffres signifient
D'où cela vient-il
Binarized Neural Network (MNIST) a été publié par Technion - Israel Institute of Technology,Columbia University,University of Montreal / Université de Montréal, dans le pays enregistré comme Israel, durant March 2016. Cela provient d'une organisation classée comme academia,Academia,Academia.
Il fonctionne dans le domaine de Vision, et est enregistré comme exécutant la tâche de image classification.
Parce que les poids ne sont pas disponibles, aucune des spécifications matérielles ailleurs sur ce site ne s'applique à cela.
Entraînement et provenance
L'ensemble d'entraînement a duré environ 60,000 jetons de texte
Réponses
Binarized Neural Network (MNIST) — questions courantes
Binarized Neural Network (MNIST)— 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.
Binarized Neural Network (MNIST)— 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.
Binarized Neural Network (MNIST)— est-ce que c'est open source ?
La licence n'a jamais été enregistrée dans nos données source. Nous considérons une licence non déclarée comme fermée, car une licence non enregistrée n'est pas une licence sur laquelle compter.
Binarized Neural Network (MNIST)— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 37M. Parameter count is not explicitly stated, but they give details: "The MLP we train on MNIST consists of 3 hidden layers of 4096 binary units (see Section 1) and a L2-SVM output layer" Approximately 37m, based on 784 pixels * 4096 + 2 * 4096^2. 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.
Binarized Neural Network (MNIST)— qui l'a créé ?
Il a été publié par Technion - Israel Institute of Technology,Columbia University,University of Montreal / Université de Montréal, basé sur Israel, une organisation catégorisée comme academia,Academia,Academia.
Binarized Neural Network (MNIST)— quand a-t-il été publié ?
Il a été publié dans March 2016. 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.
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.