Graph-based Semi-Supervised Learning (GSSL) Model on MNIST
Nincs becslés
Nincs hardver követelmény ennek a modellnek
A modellhez tartozó súlyokat nem tették közzé, így nem tölthető le vagy futtatható a saját hardverén bármilyen méretben. Csak a szolgáltatóján keresztül érhető el, és egyetlen grafikus kártya sem változtat ezen..
Nyilvántartásban
Teljes specifikáció
Minden feljegyzett ezzel a modellel kapcsolatban. A legtöbbje azt írja le, hogyan képezték ki, nem pedig azt, hogyan fut — hasznos kontextus annak megítéléséhez, hogy mennyi munka ment bele, és hogyan viszonyul a más méretben épített modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- West Virginia University
- Szervezet típusa
- Academia
- Ország
- United States of America
- Közölt
- 17 July 2019
- Szerzők
- Fariborz Taherkhani, Hadi Kazemi, Nasser M. Nasrabadi
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Vision
- Feladat
- Image classification
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Képzési adatok
- 60,000 tokens
batch size: 128 training steps and epochs unknown
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA GeForce GTX TITAN X
- Használt chipek
- 2
- Teljesítményfogyasztás
- 1.0 kW
Elérhetőség
Hogy meg tudja-e szerezni a modellt és futtatni a saját hardverén, ez dönt arról, hogy alkalmazhatóak-e a lap ezen oldalán feltüntetett grafikus kártya adatok.
- Súlyok
- Closed — provider access only
- Modell hozzáférés
- Unreleased
- Képzés kód
- Unreleased
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Unknown
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Matrix Completion for Graph-Based Deep Semi-Supervised Learning
- Utoljára frissítve
- 11 February 2026
Mit jelentenek a számok
Mit jelent ez a modell
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST ki lett adva által West Virginia University, az országban rögzítve mint United States of America, alatt July 2019. A kiadó szervezet a következő kategóriába tartozik academia.
Működik a területen a Vision, és úgy van rögzítve, mint a feladat végrehajtása image classification.
Ez egy zárt modell: a betanított értékek azoknál maradtak, akik előállították őket, és nincs helyi verzió a futtatáshoz.
Mi került a felépítésébe
Körülbelül egy korpuszon lett betanítva 60,000 szöveg tokenjei
Válaszok
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST — gyakori kérdések
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST— Ki készítette ezt?
Kiadta West Virginia University, alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia.
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST— Mikor adták ki?
Kibocsátották a July 2019. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST— Mire használják?
Működik a területen a Vision, és rögzítve van, hogy kezeli a feladatot image classification. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST— Milyen GPU-ra van szükségem, hogy futtathassam?
Ez egy zárt modell — a súlyait soha nem tették közzé, így nem tölthető le és nem futtatható a saját hardverén semmilyen áron. Csak a szolgáltatóján keresztül érhető el.
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST— Hány paramétere van?
Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már van kártyád, és szeretnéd tudni, hogy mindent futtat-e, Kezdj a hardverből..