Perceptron for Large Margin Classification
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
- University of California San Diego,Shannon Laboratory,AT&T
- Type d'organisation
- Academia,Industry
- Pays
- United States of America
- Publié
- 1 December 1999
- Auteurs
- Yoav Freund & Robert E. Schapire
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Vision
- Tâche
- Character recognition (OCR)
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
- 60,000 tokens
"The dataset consists of 60,000 training examples and 10,000 test examples."
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
- 1,731
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Large Margin Classification Using the Perceptron Algorithm
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
Ce que ce modèle est
Perceptron for Large Margin Classification a été publié par University of California San Diego,Shannon Laboratory,AT&T, dans le pays enregistré comme United States of America, durant December 1999. La catégorie à laquelle appartient l'éditeur est academia,Industry.
Il fonctionne dans le domaine de Vision, et est enregistré comme exécutant la tâche de character recognition (OCR).
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.
Qu'est-ce qui a été nécessaire pour le construire
L'ensemble d'entraînement a duré environ 60,000 jetons de texte
Réponses
Perceptron for Large Margin Classification — questions courantes
Perceptron for Large Margin Classification— qui l'a créé ?
Il a été publié par University of California San Diego,Shannon Laboratory,AT&T, basé sur United States of America, une organisation catégorisée comme academia,Industry.
Perceptron for Large Margin Classification— quand a-t-il été publié ?
Il a été publié dans December 1999. 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.
Perceptron for Large Margin Classification— à quoi ça sert ?
Il fonctionne dans le domaine de Vision, et est enregistré comme gérant la tâche de character recognition (OCR). 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.
Perceptron for Large Margin Classification— 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.
Perceptron for Large Margin Classification— 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.
Perceptron for Large Margin Classification— 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.
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.