Stacked Denoising Autoencoders
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 Montreal / Université de Montréal,University of Toronto
- Szervezet típusa
- Academia,Academia
- Ország
- Canada
- Közölt
- 3 January 2010
- Szerzők
- P Vincent, H Larochelle, I Lajoie, Y Bengio
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Other
- 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.
- Képzési adatok
- 339,250,000 tokens
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Miért követik nyomon
- Highly cited
- Nyilvántartási bizalom
- Unknown
- Hivatkozások
- 7,411
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Stacked denoising autoencoders: Learning useful representations in a deep network with a local denoising criterion
- Utoljára frissítve
- 1 January 2026
Mit jelentenek a számok
Honnan jött
Stacked Denoising Autoencoders ki lett adva által University of Montreal / Université de Montréal,University of Toronto, az országban rögzítve mint Canada, alatt January 2010. Egy olyan szervezetből származik, amelyet kategorizálnak mint academia,Academia.
Működik a területen a Other, 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.
Képzés és származás
A képzés körülbelül egy korpuszt fogyasztott 339,250,000 szöveg tokenjei
Egy különös okból nyomon követik az alapul szolgáló adatbázisban: highly cited.
Válaszok
Stacked Denoising Autoencoders — gyakori kérdések
Stacked Denoising Autoencoders— Mire használják?
Működik a területen a Other, 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.
Stacked Denoising Autoencoders— 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.
Stacked Denoising Autoencoders— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
Stacked Denoising Autoencoders— Hány paramétere van?
Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.
Stacked Denoising Autoencoders— Ki készítette ezt?
Kiadta University of Montreal / Université de Montréal,University of Toronto, alapján Canada, egy szervezet, amelyet kategorizáltak mint academia,Academia.
Stacked Denoising Autoencoders— Mikor adták ki?
Kibocsátották a January 2010. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
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..