Piecewise linear model
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 Kansas
- Type d'organisation
- Academia
- Pays
- United States of America
- Publié
- 1 November 1973
- Auteurs
- R. Haralick, K. Shanmugam, I. Dinstein
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
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
- 0.4K
- Données d'entraînement
- 314 tokens
16 input features + bias = 17 input features 7*6/2 = 21 Hyperplanes 17*21 = 357 parameters "For the multicategory problem involving NR categories, a total of NR(NR - 1)/2 hyperplanes are used to partition the pattern space." "The input variables to the classifier consisted of the mean variance of the four textural features (f1,f2,f3, andfg obtained from the distance 1 gray-tone spatial-dependence matrices) and eight spectral features (comprised of the mean variance of the image gray-tone values)…
"Number of training samples = 314;"
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,Highly cited
- Confiance d'enregistrement
- Confident
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Textural Features for Image Classification
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
Contexte
Piecewise linear model a été publié par University of Kansas, dans le pays enregistré comme United States of America, durant November 1973. La catégorie à laquelle appartient l'éditeur est academia.
Il fonctionne dans le domaine de Vision, et est enregistré comme exécutant la tâche de image 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.
Comment il a été entraîné
Il a été entraîné sur un corpus d'environ 314 jetons de texte
La raison pour laquelle il apparaît dans ce catalogue. historical significance,Highly cited.
Réponses
Piecewise linear model — questions courantes
Piecewise linear model— 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.
Piecewise linear model— 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.
Piecewise linear model— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 0.4K. 16 input features + bias = 17 input features 7*6/2 = 21 Hyperplanes 17*21 = 357 parameters "For the multicategory problem involving NR categories, a total of NR(NR - 1)/2 hyperplanes are used to partition the pattern space." "The input variables to the classifier consisted of the mean variance of the four textural features (f1,f2,f3, andfg obtained from the distance 1 gray-tone spatial-dependence matrices) and eight spectral features (comprised of the mean variance of the image gray-tone values) in each of the four spectral bands". 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.
Piecewise linear model— qui l'a créé ?
Il a été publié par University of Kansas, basé sur United States of America, une organisation catégorisée comme academia.
Piecewise linear model— quand a-t-il été publié ?
Il a été publié dans November 1973. 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.
Piecewise linear model— 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.
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.