node2vec
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
- Stanford University
- Szervezet típusa
- Academia
- Ország
- United States of America
- Közölt
- 3 July 2016
- Szerzők
- Aditya Grover, Jure Leskovec
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Mathematics
- Feladat
- Pattern 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.
- Paraméterek
- 1.3M
- Képzési adatok
- tokens
If a graph has 10,000 nodes and the embeddings are 128-dimensional, then the total number of parameters would be: P=10,000×128=1,280,000
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.
- Képzés kód
- Open source
https://github.com/aditya-grover/node2vec MIT license
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Speculative
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- node2vec: Scalable Feature Learning for Networks
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Háttér
node2vec ki lett adva által Stanford University, az országban rögzítve mint United States of America, alatt July 2016. Egy olyan szervezetből származik, amelyet kategorizálnak mint academia.
Működik a területen a Mathematics, és úgy van rögzítve, mint a feladat végrehajtása pattern classification.
Súlyait soha nem tették közzé, így csak a szolgáltatóján keresztül érhető el. Nincs grafikus kártya, ami ezt megváltoztatná.
Válaszok
node2vec — gyakori kérdések
node2vec— Ki készítette ezt?
Kiadta Stanford University, alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia.
node2vec— Mikor adták ki?
Kibocsátották a July 2016. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
node2vec— Mire használják?
Működik a területen a Mathematics, és rögzítve van, hogy kezeli a feladatot pattern classification. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.
node2vec— 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.
node2vec— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
node2vec— Hány paramétere van?
Paraméterszáma 1.3M. If a graph has 10,000 nodes and the embeddings are 128-dimensional, then the total number of parameters would be: P=10,000×128=1,280,000. 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.
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..