MSRA (C, PReLU)
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
- Microsoft Research
- Szervezet típusa
- Industry
- Ország
- United States of America
- Közölt
- 6 February 2015
- Szerzők
- Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Vision
- Feladat
- Image classification
- Numerikus formátum
- FP32
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
- 87M
- Képzési adatok
- 1,280,000 tokens
I used the architecture in table 3 I ignored biases, and assumed a SPP bin size of 256 3*7*7*96+96*3*3*384+384*3*3*384*5+384*3*3*768+768*3*3*768*5+768*3*3*896+896*3*3*896*5+896*(7*7+3*3+2*2+1)*4096+4096*4096+4096*1000=330581792
"We perform the experiments on the 1000-class ImageNet 2012 dataset", paper; ImageNet 2012 train set size from https://huggingface.co/datasets/imagenet-1k
Képzés számítás
A modell tanításához végrehajtott aritmetika, lebegőpontos műveletekben mérve. Ez a tanítási futás költségének mértéke, nem pedig annak, hogy mennyire gyorsan válaszol a kész modell.
- Képzés számítás
- 2.4 × 10¹⁹ FLOP
- Hogyan jött létre
- Hardware
"training C on eight K40 GPUs, takes about 3-4 weeks" 0.33 util rate (From Imagenet paper-data, Besiroglu et al., forthcoming)
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA Tesla K40t
- Fali óra idő
- 588 hours (24.5 days)
- Számítási költség
- $1,394
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Határmodell
- Yes
- Miért követik nyomon
- Highly cited
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 20,475
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Mit jelent ez a modell
MSRA (C, PReLU) ki lett adva által Microsoft Research, az országban rögzítve mint United States of America, alatt February 2015. Egy olyan szervezetből származik, amelyet kategorizálnak mint industry.
Működik a területen a Vision, és úgy van rögzítve, mint a feladat végrehajtása image classification.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Képzés és származás
A képzés futás körülbelül 2.4 × 10¹⁹ FLOP, hardveren rögzítve NVIDIA Tesla K40t. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
A képzés körülbelül egy korpuszt fogyasztott 1,280,000 szöveg tokenjei
A kiválasztási kritériuma: highly cited.
Válaszok
MSRA (C, PReLU) — gyakori kérdések
MSRA (C, PReLU)— Ki készítette ezt?
Kiadta Microsoft Research, alapján United States of America, egy szervezet, amelyet kategorizáltak mint industry.
MSRA (C, PReLU)— Mikor adták ki?
Kibocsátották a February 2015. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
MSRA (C, PReLU)— Mire használják?
Működik a területen a Vision, és rögzítve van, hogy kezeli a feladatot image classification. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
MSRA (C, PReLU)— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 2.4 × 10¹⁹ FLOP, hardveren rögzítve NVIDIA Tesla K40t. Ez azt méri, hogy mennyibe került a modell előállítása, és semmit nem mond arról, hogy milyen gyorsan válaszol, miután betanult — a következtetési sebesség a memória sávszélességéből származik, nem az edzési költségvetésből.
MSRA (C, PReLU)— 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.
MSRA (C, PReLU)— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
MSRA (C, PReLU)— Hány paramétere van?
Paraméterszáma 87M. I used the architecture in table 3 I ignored biases, and assumed a SPP bin size of 256 3*7*7*96+96*3*3*384+384*3*3*384*5+384*3*3*768+768*3*3*768*5+768*3*3*896+896*3*3*896*5+896*(7*7+3*3+2*2+1)*4096+4096*4096+4096*1000=330581792. 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..