Diffractive Deep Neural Network
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- University of California Los Angeles (UCLA)
- Tipo di organizzazione
- Academia
- Paese
- United States of America
- Pubblicato
- 14 April 2018
- Autori
- Xing Lin, Yair Rivenson, Nezih T Yardimci, Muhammed Veli, Yi Luo, Mona Jarrahi, and Aydogan Ozcan
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision
- Compito
- Digit recognition
- Approccio
- Supervised
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 8B
- Dati di addestramento
- 55,000 tokens
"For example, using five 3D-printed transmission layers, containing a total of 0.2 million neurons and ~8.0 billion connections that are trained using deep learning, we experimentally demonstrated the function of a handwritten digit classifier." My understanding is that every connection correspond to the parameter to learn.
size of MNIST "For this task, phase-only transmission masks were designed by training a 5-layer D2NN with ~55,000 images from MNIST handwritten digit database (14). "
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Likely
- Citazioni
- 2,190
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- All-Optical Machine Learning Using Diffractive Deep Neural Networks
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Cosa è questo modello
Diffractive Deep Neural Network è stato pubblicato da University of California Los Angeles (UCLA), nel paese registrato come United States of America, durante April 2018. Esce da un'organizzazione categorizzata come academia.
Funziona nel dominio di Vision, ed è registrato come eseguire il compito di digit recognition.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Addestramento e provenienza
È stato addestrato su un corpus di circa 55,000 token di testo
Risposte
Diffractive Deep Neural Network — domande comuni
Diffractive Deep Neural Network— quanti parametri ha?
Ha un numero di parametri di 8B. "For example, using five 3D-printed transmission layers, containing a total of 0.2 million neurons and ~8.0 billion connections that are trained using deep learning, we experimentally demonstrated the function of a handwritten digit classifier." My understanding is that every connection correspond to the parameter to learn. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
Diffractive Deep Neural Network— chi l'ha creato?
È stato pubblicato da University of California Los Angeles (UCLA), basato su United States of America, un'organizzazione categorizzata come academia.
Diffractive Deep Neural Network— quando è stato rilasciato?
È stato pubblicato in April 2018. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
Diffractive Deep Neural Network— A cosa serve?
Funziona nel dominio di Vision, e viene registrato come gestire il compito di digit recognition. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
Diffractive Deep Neural Network— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
Diffractive Deep Neural Network— è open-source?
La licenza non è mai stata registrata nei nostri dati sorgente. Trattiamo le licenze non dichiarate come chiuse, perché una licenza non registrata non è una su cui fare affidamento.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.