CNN Committee (MNIST)
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
- IDSIA
- Szervezet típusa
- Academia
- Ország
- Switzerland
- Közölt
- 18 September 2011
- Szerzők
- D. Ciresan, U. Meier, L. Gambardella, J. Schmidhuber
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Vision
- Feladat
- Image classification
- 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
- 120.6K
- Képzési adatok
- 420,000 tokens
- Epochok
- 800
1st CNN layer: 20*4*4=320 2nd CNN layer: 20*40*9*9=64800 1st FC layer: 40*3*3*150=54000 2nd FC layer: 150*10=1500 Total: 320+64800+54000+1500=120620
[images] "Our CNNs are trained for around 800 epochs"
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
- 5.2 × 10¹⁶ FLOP
- Hogyan jött létre
- Hardware,Operation counting
GPU hour estimate: 800 epochs, 14 hours per network, 7 networks total 7*14*60*60*(2*1580000000000+2*1345000000000)*0.3=6.19e17 Counting estimate: 50000 examples, 800 epochs 1st CNN layer: 2*20*26*26*4*4=432640 2nd CNN layer: 2*20*6*6*9*9*40=4665600 1st FC layer: 2*40*3*3*150=108000 2nd FC layer: 2*150*10=3000 Total: 432640+4665600+108000+3000=5209240 5209240*3*50000*800*7=4375761600000000=4.4e15 Geometric mean: sqrt(4.4e15*6.19e17)=5.2e16
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 580,NVIDIA GeForce GTX 480
- Használt chipek
- 4
- Fali óra idő
- 98 hours
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.
- Súlyok
- Closed — provider access only
- Modell hozzáférés
- Unreleased
- Képzés kód
- Unreleased
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
- Historical significance
- Nyilvántartási bizalom
- Likely
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Convolutional Neural Network Committees for Handwritten Character Classification
- Utoljára frissítve
- 11 February 2026
Mit jelentenek a számok
Erről a modelről
CNN Committee (MNIST) ki lett adva által IDSIA, az országban rögzítve mint Switzerland, alatt September 2011. A kiadó szervezet a következő kategóriába tartozik academia.
Működik a területen a Vision, és úgy van rögzítve, mint a feladat végrehajtása image classification.
Súlyait soha nem tették közzé, így csak a szolgáltatóján keresztül érhető el. Nincs grafikus kártya, ami ezt megváltoztatná.
Mi került a felépítésébe
A betanításhoz körülbelül egy számítási költségvetés kellett 5.2 × 10¹⁶ FLOP, hardveren rögzítve NVIDIA GeForce GTX 580,NVIDIA GeForce GTX 480. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
Körülbelül egy korpuszon lett betanítva 420,000 szöveg tokenjei
Egy különös okból nyomon követik az alapul szolgáló adatbázisban: historical significance.
Válaszok
CNN Committee (MNIST) — gyakori kérdések
CNN Committee (MNIST)— Ki készítette ezt?
Kiadta IDSIA, alapján Switzerland, egy szervezet, amelyet kategorizáltak mint academia.
CNN Committee (MNIST)— Mikor adták ki?
Kibocsátották a September 2011. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
CNN Committee (MNIST)— 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.
CNN Committee (MNIST)— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 5.2 × 10¹⁶ FLOP, hardveren rögzítve NVIDIA GeForce GTX 580,NVIDIA GeForce GTX 480. 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.
CNN Committee (MNIST)— 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.
CNN Committee (MNIST)— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
CNN Committee (MNIST)— Hány paramétere van?
Paraméterszáma 120.6K. 1st CNN layer: 20*4*4=320 2nd CNN layer: 20*40*9*9=64800 1st FC layer: 40*3*3*150=54000 2nd FC layer: 150*10=1500 Total: 320+64800+54000+1500=120620. 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..