6-layer MLP (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,University of Lugano,SUPSI
- Szervezet típusa
- Academia,Academia,Academia
- Ország
- Switzerland
- Közölt
- 1 March 2010
- Szerzők
- Dan Claudiu Ciresan, Ueli Meier, Luca Maria Gambardella, Juergen Schmidhuber
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Vision
- Feladat
- Character recognition (OCR)
- 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
- 12.1M
- Képzési adatok
- 60,000 tokens
Table 1
"MNIST consists of two datasets, one for training (60,000 images) and one for testing (10,000 images). Many studies divide the training set into two sets consisting of 50,000 images for training and 10,000 for validation. Our network is trained on slightly deformed images, continually generated in on-line fashion; hence we may use the whole un-deformed training set for validation, without wasting training images"
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
- 1.3 × 10¹⁴ FLOP
- Hogyan jött létre
- Operation counting
"Networks with up to 12 million weights can successfully be trained by plain gradient descent to achieve test errors below 1% after 20-30 epochs in less than 2 hours of training." 60k images in each MNIST epoch. Architecture-based estimate: 6 * 12.11M * 60k * 30 = 1.31e14 We can also get a rough hardware estimate. The authors use single precision, GTX280 gets 6.221e11 FLOPs in single precision. Training 30 epochs takes less than 2 hours, but on each epoch the training set is augmented in onli…
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 280,Intel Core 2 Quad Q9450
- Fali óra idő
- 2 hours
"less than 2 hours of training"
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Likely
- Hivatkozások
- 1,264
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Deep Big Simple Neural Nets Excel on Handwritten Digit Recognition
- Utoljára frissítve
- 11 February 2026
Mit jelentenek a számok
Erről a modelről
6-layer MLP (MNIST) ki lett adva által IDSIA,University of Lugano,SUPSI, az országban rögzítve mint Switzerland, alatt March 2010. A kiadó kategóriája alá tartozik academia,Academia,Academia.
Működik a területen a Vision, és úgy van rögzítve, mint a feladat végrehajtása character recognition (OCR).
Ez egy zárt modell: a betanított értékek azoknál maradtak, akik előállították őket, és nincs helyi verzió a futtatáshoz.
Mi került a felépítésébe
A betanításhoz körülbelül egy számítási költségvetés kellett 1.3 × 10¹⁴ FLOP, hardveren rögzítve NVIDIA GeForce GTX 280,Intel Core 2 Quad Q9450. 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 60,000 szöveg tokenjei
Válaszok
6-layer MLP (MNIST) — gyakori kérdések
6-layer MLP (MNIST)— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
6-layer MLP (MNIST)— Hány paramétere van?
Paraméterszáma 12.1M. Table 1. 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.
6-layer MLP (MNIST)— Ki készítette ezt?
Kiadta IDSIA,University of Lugano,SUPSI, alapján Switzerland, egy szervezet, amelyet kategorizáltak mint academia,Academia,Academia.
6-layer MLP (MNIST)— Mikor adták ki?
Kibocsátották a March 2010. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
6-layer MLP (MNIST)— Mire használják?
Működik a területen a Vision, és rögzítve van, hogy kezeli a feladatot character recognition (OCR). Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.
6-layer MLP (MNIST)— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 1.3 × 10¹⁴ FLOP, hardveren rögzítve NVIDIA GeForce GTX 280,Intel Core 2 Quad Q9450. 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.
6-layer MLP (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.
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..