DrLIM
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
- New York University (NYU)
- Szervezet típusa
- Academia
- Ország
- United States of America
- Közölt
- 17 June 2006
- Szerzők
- R. Hadsell; S. Chopra; Y. LeCun
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Other
- Feladat
- Image embedding
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
- 37.1K
- Képzési adatok
- 36,060,000 tokens
Architecture described in figure 3
"The dataset was split into 660 training images and a 312 test images. The result of training on all 10989 similar pairs and 206481 dissimilar pairs is a 3-dimensional manifold in the shape of a cylinder (see figure 8)." 206481 + 10989 = 217470
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Hivatkozások
- 4,888
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Dimensionality Reduction by Learning an Invariant Mapping
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Háttér
DrLIM ki lett adva által New York University (NYU), az országban rögzítve mint United States of America, alatt June 2006. A kiadó szervezet a következő kategóriába tartozik academia.
Működik a területen a Other, és úgy van rögzítve, mint a feladat végrehajtása image embedding.
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 36,060,000 szöveg tokenjei
Válaszok
DrLIM — gyakori kérdések
DrLIM— 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.
DrLIM— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
DrLIM— Hány paramétere van?
Paraméterszáma 37.1K. Architecture described in figure 3. 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.
DrLIM— Ki készítette ezt?
Kiadta New York University (NYU), alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia.
DrLIM— Mikor adták ki?
Kibocsátották a June 2006. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
DrLIM— Mire használják?
Működik a területen a Other, és rögzítve van, hogy kezeli a feladatot image embedding. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
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..