Ceramic-MLP
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
- Sapienza Università di Roma
- Type d'organisation
- Academia
- Pays
- Italy
- Publié
- 7 January 1994
- Auteurs
- G. Bonifazi, P. Burrascano
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Materials science
- Tâche
- Pattern 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
- 1.9K
- Données d'entraînement
- 80 tokens
- Époques
- 5,000
Parameters: 100*16 + 16*16 + 16*2 = 1888 Architecture: "The topology of the classifier was X-Y-Y-2, where X is the number of input components, Y is the number of neurons in each hidden layer and the number of neurons in the output layer is two, which is the number of classes. The two hidden layers were considered to have the same number of nodes for simplification purposes. " Input size: "Each pattern consists of a 10 x 10 pixel sub-image." Hidden size: "Experiments have been made on networks wi…
After the pre-processing phase, a training set of 80 patterns and a testing set of 64 patterns were available.
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
- 4.5 × 10⁹ FLOP
- Comment cela a été établi
- Operation counting
Compute estimate: 2*1888*3*400000=4531200000=4.53e9 Training steps: "In Fig. 6 we report the classification results obtained on the testing set in the 12 and 16 component compressed data after 400000 training iterations"
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
- Confiance d'enregistrement
- Likely
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Ceramic powder characterization by multilayer perceptron (MLP) data compression and classification
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
Ce que ce modèle est
Ceramic-MLP a été publié par Sapienza Università di Roma, dans le pays enregistré comme Italy, durant January 1994. La catégorie à laquelle appartient l'éditeur est academia.
Il fonctionne dans le domaine de Materials science, et est enregistré comme exécutant la tâche de pattern 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.
Qu'est-ce qui a été nécessaire pour le construire
L'entraînement a consommé environ 4.5 × 10⁹ FLOP. 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 80 jetons de texte
La raison pour laquelle il apparaît dans ce catalogue. historical significance.
Réponses
Ceramic-MLP — questions courantes
Ceramic-MLP— 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.
Ceramic-MLP— 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.
Ceramic-MLP— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 1.9K. Parameters: 100*16 + 16*16 + 16*2 = 1888 Architecture: "The topology of the classifier was X-Y-Y-2, where X is the number of input components, Y is the number of neurons in each hidden layer and the number of neurons in the output layer is two, which is the number of classes. The two hidden layers were considered to have the same number of nodes for simplification purposes. " Input size: "Each pattern consists of a 10 x 10 pixel sub-image." Hidden size: "Experiments have been made on networks with 6, 9, 12 and 16 hidden nodes. ". 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.
Ceramic-MLP— qui l'a créé ?
Il a été publié par Sapienza Università di Roma, basé sur Italy, une organisation catégorisée comme academia.
Ceramic-MLP— quand a-t-il été publié ?
Il a été publié dans January 1994. 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.
Ceramic-MLP— à quoi ça sert ?
Il fonctionne dans le domaine de Materials science, et est enregistré comme gérant la tâche de pattern classification. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
Ceramic-MLP— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 4.5 × 10⁹ FLOP. 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.