Diffractive Deep Neural Network
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
- University of California Los Angeles (UCLA)
- Szervezet típusa
- Academia
- Ország
- United States of America
- Közölt
- 14 April 2018
- Szerzők
- Xing Lin, Yair Rivenson, Nezih T Yardimci, Muhammed Veli, Yi Luo, Mona Jarrahi, and Aydogan Ozcan
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Vision
- Feladat
- Digit recognition
- Megközelítés
- Supervised
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Paraméterek
- 8B
- Képzési adatok
- 55,000 tokens
"For example, using five 3D-printed transmission layers, containing a total of 0.2 million neurons and ~8.0 billion connections that are trained using deep learning, we experimentally demonstrated the function of a handwritten digit classifier." My understanding is that every connection correspond to the parameter to learn.
size of MNIST "For this task, phase-only transmission masks were designed by training a 5-layer D2NN with ~55,000 images from MNIST handwritten digit database (14). "
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Likely
- Hivatkozások
- 2,190
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- All-Optical Machine Learning Using Diffractive Deep Neural Networks
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Mit jelent ez a modell
Diffractive Deep Neural Network ki lett adva által University of California Los Angeles (UCLA), az országban rögzítve mint United States of America, alatt April 2018. Egy olyan szervezetből származik, amelyet kategorizálnak mint academia.
Működik a területen a Vision, és úgy van rögzítve, mint a feladat végrehajtása digit recognition.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Képzés és származás
Körülbelül egy korpuszon lett betanítva 55,000 szöveg tokenjei
Válaszok
Diffractive Deep Neural Network — gyakori kérdések
Diffractive Deep Neural Network— Hány paramétere van?
Paraméterszáma 8B. "For example, using five 3D-printed transmission layers, containing a total of 0.2 million neurons and ~8.0 billion connections that are trained using deep learning, we experimentally demonstrated the function of a handwritten digit classifier." My understanding is that every connection correspond to the parameter to learn. Ez a szám a teljes összeg, és ez határozza meg, hogy mennyi VRAM-ra van szüksége a modelleknek — körülbelül fél gigabájt milliárdonként a legtöbb ember által használt tömörítési módban.
Diffractive Deep Neural Network— Ki készítette ezt?
Kiadta University of California Los Angeles (UCLA), alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia.
Diffractive Deep Neural Network— Mikor adták ki?
Kibocsátották a April 2018. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Diffractive Deep Neural Network— Mire használják?
Működik a területen a Vision, és rögzítve van, hogy kezeli a feladatot digit recognition. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.
Diffractive Deep Neural Network— 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.
Diffractive Deep Neural Network— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
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..