High Performance CNN (NORB)
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
- IDSIA,SUPSI
- Type d'organisation
- Academia,Academia
- Pays
- Switzerland
- Publié
- 16 July 2011
- Auteurs
- Dan C. Ciresan, Ueli Meier, Jonathan Masci, Luca M. Gambardella, Jürgen 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
- 4.9M
- Données d'entraînement
- 50,000 tokens
- Époques
- 7
L1: 6*300*6*6=64800 L3: 500*600*4*4=4800000 L5: (108/4)*500=13500 Total: 64800+4800000+13500=4878300
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
- 2.6 × 10¹⁶ FLOP
- Comment cela a été établi
- Hardware
7 epochs, 35 min per epoch 2 GTX 480 + 2 GTX 580 580 FLOP: 1580000000000 480 FLOP: 1345000000000 FLOP: 7*35*60*(2*1580000000000+2*1345000000000)*0.3=25798500000000000=2.6e16
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 480,NVIDIA GeForce GTX 580
- Chips utilisés
- 4
- Temps en temps réel
- 4 hours
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
- Flexible, High Performance Convolutional Neural Networks for Image Classification
- Dernière mise à jour
- 11 February 2026
Ce que les chiffres signifient
D'où cela vient-il
High Performance CNN (NORB) a été publié par IDSIA,SUPSI, dans le pays enregistré comme Switzerland, durant July 2011. L'organisation de publication est catégorisée comme academia,Academia.
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 2.6 × 10¹⁶ FLOP, sur matériel enregistré comme NVIDIA GeForce GTX 480,NVIDIA GeForce GTX 580. 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 50,000 jetons de texte
Son critère d'inclusion : historical significance,SOTA improvement.
Réponses
High Performance CNN (NORB) — questions courantes
High Performance CNN (NORB)— 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.
High Performance CNN (NORB)— 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.
High Performance CNN (NORB)— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 4.9M. L1: 6*300*6*6=64800 L3: 500*600*4*4=4800000 L5: (108/4)*500=13500 Total: 64800+4800000+13500=4878300. 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.
High Performance CNN (NORB)— qui l'a créé ?
Il a été publié par IDSIA,SUPSI, basé sur Switzerland, une organisation catégorisée comme academia,Academia.
High Performance CNN (NORB)— quand a-t-il été publié ?
Il a été publié dans July 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.
High Performance CNN (NORB)— à quoi ça sert ?
Il fonctionne dans le domaine de Vision, et est enregistré comme gérant la tâche de image classification. Un modèle peut porter plusieurs de chacun, donc ce sont les domaines pour lesquels il a été conçu plutôt qu'une limite sur ce qu'il tentera.
High Performance CNN (NORB)— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 2.6 × 10¹⁶ FLOP, sur matériel enregistré comme NVIDIA GeForce GTX 480,NVIDIA GeForce GTX 580. 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.
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.