Max-Margin Markov Networks
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
- Stanford University
- Type d'organisation
- Academia
- Pays
- United States of America
- Publié
- 1 March 2004
- Auteurs
- B. Taskar, C. Guestrin, and D. Koller
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Vision, Language
- Tâche
- Image classification, Text 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.
- Données d'entraînement
- 4,800 tokens
The data set is divided into 10 folds of ∼ 600 training and ∼ 5500 testing examples. The accuracy results, ... are averages over the 10 folds
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.
- Citations
- 1,764
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Max-margin markov networks
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
À propos de ce modèle
Max-Margin Markov Networks a été publié par Stanford University, dans le pays enregistré comme United States of America, durant March 2004. L'organisation de publication est catégorisée comme academia.
Il fonctionne dans le domaine de Vision, Language, et est enregistré comme exécutant la tâche de image classification, Text classification.
Ses poids n'ont jamais été publiés, donc il ne peut être atteint que par son fournisseur. Aucun changement de carte graphique ne change cela.
Entraînement et provenance
L'entraînement a consommé un corpus d'environ 4,800 jetons de texte
Réponses
Max-Margin Markov Networks — questions courantes
Max-Margin Markov Networks— à quoi ça sert ?
Il fonctionne dans le domaine de Vision, Language, et est enregistré comme gérant la tâche de image classification, Text classification. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
Max-Margin Markov Networks— 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.
Max-Margin Markov Networks— 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.
Max-Margin Markov Networks— combien de paramètres cela a-t-il ?
Aucun nombre de paramètres n'a été publié pour cela, c'est pourquoi aucun chiffre de mémoire ou de vitesse n'apparaît sur cette page.
Max-Margin Markov Networks— qui l'a créé ?
Il a été publié par Stanford University, basé sur United States of America, une organisation catégorisée comme academia.
Max-Margin Markov Networks— quand a-t-il été publié ?
Il a été publié dans March 2004. 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.