GPU DBNs
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
- Stanford University
- Szervezet típusa
- Academia
- Ország
- United States of America
- Közölt
- 15 June 2009
- Szerzők
- R Raina, A Madhavan, AY Ng
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Other
- Feladat
- Miscellaneous image analysis
- 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
- 100M
- Képzési adatok
- 121,344,000,000 tokens
"For example, we are able to reduce the time required to learn a four-layer DBN with 100 million free parameters from several weeks to around a single day."
Table 2 shows the running time for processing 1 million examples for RBMs of varying size
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 × 10¹⁵ FLOP
- Hogyan jött létre
- Hardware
https://www.getguesstimate.com/models/19602 6435 GPU seconds for 1M examples Single GTX 280 with 622.1 GFLOPS All results are reported for 1M examples, unclear if they ran larger training experiments.
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,Historical significance
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 1,032
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Large-scale Deep Unsupervised Learning using Graphics Processors
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Erről a modelről
GPU DBNs ki lett adva által Stanford University, az országban rögzítve mint United States of America, alatt June 2009. A kiadó kategóriája alá tartozik academia.
Működik a területen a Other, és úgy van rögzítve, mint a feladat végrehajtása miscellaneous image analysis.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Hogyan lett betanítva
A betanításhoz körülbelül egy számítási költségvetés kellett 1 × 10¹⁵ FLOP. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
Körülbelül egy korpuszon lett betanítva 121,344,000,000 szöveg tokenjei
Egy különös okból nyomon követik az alapul szolgáló adatbázisban: highly cited,Historical significance.
Válaszok
GPU DBNs — gyakori kérdések
GPU DBNs— Mire használják?
Működik a területen a Other, és rögzítve van, hogy kezeli a feladatot miscellaneous image analysis. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.
GPU DBNs— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 1 × 10¹⁵ FLOP. 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.
GPU DBNs— 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.
GPU DBNs— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
GPU DBNs— Hány paramétere van?
Paraméterszáma 100M. "For example, we are able to reduce the time required to learn a four-layer DBN with 100 million free parameters from several weeks to around a single day.". 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.
GPU DBNs— Ki készítette ezt?
Kiadta Stanford University, alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia.
GPU DBNs— Mikor adták ki?
Kibocsátották a June 2009. 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..