CNN committee (traffic sign)

Poids fermés IDSIA 1.4M paramètres October 2011

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..

Parcourez les modèles que vous pouvez exécuter à la place

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: IDSIA
Type d'organisation: Academia
Pays: Switzerland
Publié: 3 October 2011
Auteurs: D. Ciresan, U. Meier, Jonathan Masci, J. Schmidhuber

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
Approche: Supervised

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: 1.4M
Données d'entraînement: 53,280 tokens
Époques: 50

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: 9.9 × 10¹⁴ FLOP
Comment cela a été établi: Operation counting

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 GeForce GTX 580,NVIDIA GeForce GTX 480
Chips utilisés: 4

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

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.

Pourquoi c'est suivi: Historical significance,SOTA improvement
Confiance d'enregistrement: Likely

Sources

D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.

Référence: A committee of neural networks for traffic sign classification
Dernière mise à jour: 11 February 2026

Ce que les chiffres signifient

D'où cela vient-il

CNN committee (traffic sign) a été publié par IDSIA, dans le pays enregistré comme Switzerland, durant October 2011. Cela provient d'une organisation classée comme 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'entraînement a nécessité un budget de calcul d'environ 9.9 × 10¹⁴ FLOP, sur matériel enregistré comme NVIDIA GeForce GTX 580,NVIDIA GeForce GTX 480. 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 53,280 jetons de texte

La raison pour laquelle il apparaît dans ce catalogue. historical significance,SOTA improvement.

Réponses

CNN committee (traffic sign) — questions courantes

CNN committee (traffic sign)— 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.

CNN committee (traffic sign)— combien de puissance de calcul a été utilisée pour l'entraîner ?

L'entraînement a consommé environ 9.9 × 10¹⁴ FLOP, sur matériel enregistré comme NVIDIA GeForce GTX 580,NVIDIA GeForce GTX 480. 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.

CNN committee (traffic sign)— 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.

CNN committee (traffic sign)— 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.

CNN committee (traffic sign)— combien de paramètres cela a-t-il ?

Il a un nombre de paramètres de 1.4M. Parameters L1: 3*3*3*100=2700 L3: 100*4*4*150=240000 L5: 150*3*3*250=337500 L7: 250*4*4*200=800000 L8: 200*43=8600 Total: 2700+240000+337500+800000+8600=1388800. 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.

CNN committee (traffic sign)— qui l'a créé ?

Il a été publié par IDSIA, basé sur Switzerland, une organisation catégorisée comme academia.

CNN committee (traffic sign)— quand a-t-il été publié ?

Il a été publié dans October 2011. 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.

Source

Publication originale

Dernière mise à jour enregistrée 11 February 2026

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.

Tous les modèles AI