Deep Belief Nets
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 Toronto,National University of Singapore
- Szervezet típusa
- Academia,Academia
- Ország
- Canada, Singapore
- Közölt
- 18 July 2006
- Szerzők
- GE Hinton, S Osindero, YW Teh
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Vision
- Feladat
- Character recognition (OCR)
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
- 1.6M
- Képzési adatok
- 47,100,000 tokens
- Epochok
- 330
"The network that performed best on the validation set was then tested and had an error rate of 1.39%. This network was then trained on all 60,000 training images8 until its error-rate on the full training set was as low as its final error-rate had been on the initial training set of 44,000 images."
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Fali óra idő
- 168 hours (7 days)
"a further 59 epochs [of training] making the total learning time about a week"
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
- Hivatkozások
- 16,071
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- A fast learning algorithm for deep belief nets
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Honnan jött
Deep Belief Nets ki lett adva által University of Toronto,National University of Singapore, az országban rögzítve mint Canada, alatt July 2006. Egy olyan szervezetből származik, amelyet kategorizálnak mint academia,Academia.
Működik a területen a Vision, és úgy van rögzítve, mint a feladat végrehajtása character recognition (OCR).
Súlyait soha nem tették közzé, így csak a szolgáltatóján keresztül érhető el. Nincs grafikus kártya, ami ezt megváltoztatná.
Hogyan lett betanítva
Körülbelül egy korpuszon lett betanítva 47,100,000 szöveg tokenjei
Egy különös okból nyomon követik az alapul szolgáló adatbázisban: highly cited.
Válaszok
Deep Belief Nets — gyakori kérdések
Deep Belief Nets— Hány paramétere van?
Paraméterszáma 1.6M. 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.
Deep Belief Nets— Ki készítette ezt?
Kiadta University of Toronto,National University of Singapore, alapján Canada, egy szervezet, amelyet kategorizáltak mint academia,Academia.
Deep Belief Nets— Mikor adták ki?
Kibocsátották a July 2006. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Deep Belief Nets— Mire használják?
Működik a területen a Vision, és rögzítve van, hogy kezeli a feladatot character recognition (OCR). A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
Deep Belief Nets— 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.
Deep Belief Nets— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
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..