Dropout (TIMIT)
Nincs becslés
Ennekhez a modellhez nincs hardverkövetelmény
A modellhez tartozó súlyokat nem tették közzé, így azt semmilyen méretben nem lehet letölteni vagy saját hardveren futtatni. Csak az adattovábbítóján keresztül érhető el, és semmilyen grafikus kártya nem változtat ezen..
Felvételen
Teljes specifikáció
Minden adatok ezen a modellen. A legtöbb leírás arról szól, hogyan volt kiképzve, nem pedig arról, hogyan fut — hasznos háttérinformáció arra vonatkozóan, hogy mennyi munka került bele, és hogyan viszonyul más méretű modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- University of Toronto
- Szervezet típusa
- Academia
- Ország
- Canada
- Kiadva
- 3 June 2012
- Szerzők
- GE Hinton, N Srivastava, A Krizhevsky
Mit csinál
A modell által épített probléma területek. Egy modell több különbözőt is tartalmazhat.
- Irányítószám
- Speech
- Feladat
- Speech recognition (ASR)
Méret
Mekkora a modell és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek meghatározzák, hogy illeszkedik-e egy adott grafikus kártyára.
- Paraméterek
- 48.8M
- Képzési adatok
- tokens
The input to the net is 21 adjacent frames with an advance of 10ms per frame. The neural net has 4 fully-connected hidden layers of 4000 units per layer and 185 “softmax” output units that are subsequently merged into the 39 distinct classes used for the benchmark.
4162 utterances, guesstimated avg 10 words per utterance
A képzési futam
A kiképzéshez fizikailag szükséges volt: milyen chipek, hány, meddig és mennyi áramot vett le a hálózatról.
- Képzési hardver
- NVIDIA GeForce GTX 580
Elérhetőség
Hogy megszerezheted-e a modellt és futtathatod a saját hardvereden, ami eldönti, hogy a ezen az oldalon szereplő grafikus kártyák adatai alkalmazhatóak-e.
- Súlyok
- Closed — provider access only
- Modell hozzáférés
- Unreleased
- Képzés kód
- Open (non-commercial)
http://www.cs.toronto.edu/~nitish/dropout see model files
Hogyan van besorolva
Címkék, amelyeket a forráshalmaz alkalmaz, amikor figyelemmel kíséri a figyelemre méltó modelleket, és mennyire biztos a bejegyzésben.
- Miért követik nyomon
- Highly cited
- Citations
- 7,999
Források
Honnan származik ez a rekord és mikor ellenőrizték utoljára.
- Referencia
- Improving neural networks by preventing co-adaptation of feature detectors
- Utoljára frissítve
- 25 May 2026
Mit jelentek a számok
Background
Dropout (TIMIT) was published by University of Toronto, in Canada, in June 2012. academia is the category the publisher falls under.
It works in Speech, and is recorded as doing speech recognition (ASR).
Súlyait soha nem publikálták, így csak a szolgáltatóján keresztül érhető el. Nincs grafikus kártya, amely ezt megváltoztatja.
Hogyan lett betanítva
The reason it appears in this catalogue at all is highly cited.
Válaszok
Dropout (TIMIT) — Gyakran ismételt kérdések
What is Dropout (TIMIT) used for?
Dropout (TIMIT) works in Speech, and is recorded as handling speech recognition (ASR). A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
What GPU do I need to run Dropout (TIMIT)?
None. Dropout (TIMIT) is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is Dropout (TIMIT) open source?
No. Dropout (TIMIT) has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Dropout (TIMIT) have?
Dropout (TIMIT) has 48.8M parameters. The input to the net is 21 adjacent frames with an advance of 10ms per frame. The neural net has 4 fully-connected hidden layers of 4000 units per layer and 185 “softmax” output units that are subsequently merged into the 39 distinct classes used for the benchmark. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created Dropout (TIMIT)?
Dropout (TIMIT) was published by University of Toronto, based in Canada, categorised as academia.
When was Dropout (TIMIT) released?
Dropout (TIMIT) was published in June 2012. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már rendelkezik egy kártyával és szeretné tudni, hogy minden mit fog futtatni, kérjük, folytassa., kezdje a hardverrel inkább.