node2vec
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
- Stanford University
- Tipo di organizzazione
- Academia
- Paese
- United States of America
- Pubblicato
- 3 July 2016
- Autori
- Aditya Grover, Jure Leskovec
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Mathematics
- Compito
- Pattern classification
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
- 1.3M
- Dati di addestramento
- tokens
If a graph has 10,000 nodes and the embeddings are 128-dimensional, then the total number of parameters would be: P=10,000×128=1,280,000
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Codice di addestramento
- Open source
https://github.com/aditya-grover/node2vec MIT license
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Speculative
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- node2vec: Scalable Feature Learning for Networks
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Sfondo
node2vec è stato pubblicato da Stanford University, nel paese registrato come United States of America, durante July 2016. Esce da un'organizzazione categorizzata come academia.
Funziona nel dominio di Mathematics, ed è registrato come eseguire il compito di pattern classification.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Risposte
node2vec — domande comuni
node2vec— chi l'ha creato?
È stato pubblicato da Stanford University, basato su United States of America, un'organizzazione categorizzata come academia.
node2vec— quando è stato rilasciato?
È stato pubblicato in July 2016. 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.
node2vec— A cosa serve?
Funziona nel dominio di Mathematics, e viene registrato come gestire il compito di pattern classification. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
node2vec— 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.
node2vec— 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.
node2vec— quanti parametri ha?
Ha un numero di parametri di 1.3M. If a graph has 10,000 nodes and the embeddings are 128-dimensional, then the total number of parameters would be: P=10,000×128=1,280,000. 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.
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.