Fractional Max-Pooling
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 Warwick
- Szervezet típusa
- Academia
- Ország
- United Kingdom of Great Britain and Northern Ireland
- Közölt
- 18 December 2014
- Szerzők
- Benjamin Graham
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.
- Paraméterek
- 27M
- Képzési adatok
- 901,200 tokens
- Epochok
- 250
27M weights in largest CIFAR-100 model
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
- 1 × 10¹⁷ FLOP
- Hogyan jött létre
- Hardware
For the 12M param model, training required "18 hours on a GeForce GTX 780". So would be somewhat larger for 27M. 4 TFLOPS * 18 * 3600 * 0.4 = 1e17
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 780
- Fali óra idő
- 18 hours
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Miért követik nyomon
- SOTA improvement
- Nyilvántartási bizalom
- Likely
- Hivatkozások
- 672
"for instance, we improve on the state-of-the art for CIFAR-100 without even using dropout."
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Fractional Max-Pooling
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Honnan jött
Fractional Max-Pooling ki lett adva által University of Warwick, az országban rögzítve mint United Kingdom of Great Britain and Northern Ireland, alatt December 2014. A kiadó szervezet a következő kategóriába tartozik academia.
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.
Mi került a felépítésébe
A képzés futás körülbelül 1 × 10¹⁷ FLOP, hardveren rögzítve NVIDIA GeForce GTX 780. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
A tanító készlet kb. futott 901,200 szöveg tokenjei
Egy különös okból nyomon követik az alapul szolgáló adatbázisban: sOTA improvement.
Válaszok
Fractional Max-Pooling — gyakori kérdések
Fractional Max-Pooling— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
Fractional Max-Pooling— Hány paramétere van?
Paraméterszáma 27M. 27M weights in largest CIFAR-100 model. 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.
Fractional Max-Pooling— Ki készítette ezt?
Kiadta University of Warwick, alapján United Kingdom of Great Britain and Northern Ireland, egy szervezet, amelyet kategorizáltak mint academia.
Fractional Max-Pooling— Mikor adták ki?
Kibocsátották a December 2014. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Fractional Max-Pooling— 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.
Fractional Max-Pooling— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 1 × 10¹⁷ FLOP, hardveren rögzítve NVIDIA GeForce GTX 780. 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.
Fractional Max-Pooling— 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.
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..