Ceramic-MLP
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
- Sapienza Università di Roma
- Szervezet típusa
- Academia
- Ország
- Italy
- Közölt
- 7 January 1994
- Szerzők
- G. Bonifazi, P. Burrascano
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Materials science
- Feladat
- Pattern 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.
- Paraméterek
- 1.9K
- Képzési adatok
- 80 tokens
- Epochok
- 5,000
Parameters: 100*16 + 16*16 + 16*2 = 1888 Architecture: "The topology of the classifier was X-Y-Y-2, where X is the number of input components, Y is the number of neurons in each hidden layer and the number of neurons in the output layer is two, which is the number of classes. The two hidden layers were considered to have the same number of nodes for simplification purposes. " Input size: "Each pattern consists of a 10 x 10 pixel sub-image." Hidden size: "Experiments have been made on networks wi…
After the pre-processing phase, a training set of 80 patterns and a testing set of 64 patterns were available.
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
- 4.5 × 10⁹ FLOP
- Hogyan jött létre
- Operation counting
Compute estimate: 2*1888*3*400000=4531200000=4.53e9 Training steps: "In Fig. 6 we report the classification results obtained on the testing set in the 12 and 16 component compressed data after 400000 training iterations"
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Miért követik nyomon
- Historical significance
- Nyilvántartási bizalom
- Likely
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Ceramic powder characterization by multilayer perceptron (MLP) data compression and classification
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Mit jelent ez a modell
Ceramic-MLP ki lett adva által Sapienza Università di Roma, az országban rögzítve mint Italy, alatt January 1994. A kiadó kategóriája alá tartozik academia.
Működik a területen a Materials science, és úgy van rögzítve, mint a feladat végrehajtása pattern classification.
Súlyait soha nem tették közzé, így csak a szolgáltatóján keresztül érhető el. Nincs grafikus kártya, ami ezt megváltoztatná.
Mi került a felépítésébe
A képzés futás körülbelül 4.5 × 10⁹ FLOP. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
A tanító készlet kb. futott 80 szöveg tokenjei
Az oka, hogy egyáltalán megjelenik ebben a katalógusban: historical significance.
Válaszok
Ceramic-MLP — gyakori kérdések
Ceramic-MLP— 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.
Ceramic-MLP— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
Ceramic-MLP— Hány paramétere van?
Paraméterszáma 1.9K. Parameters: 100*16 + 16*16 + 16*2 = 1888 Architecture: "The topology of the classifier was X-Y-Y-2, where X is the number of input components, Y is the number of neurons in each hidden layer and the number of neurons in the output layer is two, which is the number of classes. The two hidden layers were considered to have the same number of nodes for simplification purposes. " Input size: "Each pattern consists of a 10 x 10 pixel sub-image." Hidden size: "Experiments have been made on networks with 6, 9, 12 and 16 hidden nodes. ". 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.
Ceramic-MLP— Ki készítette ezt?
Kiadta Sapienza Università di Roma, alapján Italy, egy szervezet, amelyet kategorizáltak mint academia.
Ceramic-MLP— Mikor adták ki?
Kibocsátották a January 1994. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Ceramic-MLP— Mire használják?
Működik a területen a Materials science, és rögzítve van, hogy kezeli a feladatot pattern classification. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
Ceramic-MLP— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 4.5 × 10⁹ 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.
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..