Binarized Neural Network (MNIST)
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
- Technion - Israel Institute of Technology,Columbia University,University of Montreal / Université de Montréal
- Tipo di organizzazione
- Academia,Academia,Academia
- Paese
- Israel, United States of America, Canada
- Pubblicato
- 17 March 2016
- Autori
- Matthieu Courbariaux, Itay Hubara, Daniel Soudry, Ran El-Yaniv, Yoshua Bengio
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision
- Compito
- Image 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
- 37M
- Dati di addestramento
- 60,000 tokens
- Epoche
- 1,000
Parameter count is not explicitly stated, but they give details: "The MLP we train on MNIST consists of 3 hidden layers of 4096 binary units (see Section 1) and a L2-SVM output layer" Approximately 37m, based on 784 pixels * 4096 + 2 * 4096^2
60k training images, 10k test in MNIST
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Speculative
- Citazioni
- 3,299
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Binarized Neural Networks: Training Neural Networks with Weights and Activations Constrained to +1 or −1
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Da dove è venuto
Binarized Neural Network (MNIST) è stato pubblicato da Technion - Israel Institute of Technology,Columbia University,University of Montreal / Université de Montréal, nel paese registrato come Israel, durante March 2016. Esce da un'organizzazione categorizzata come academia,Academia,Academia.
Funziona nel dominio di Vision, ed è registrato come eseguire il compito di image classification.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Addestramento e provenienza
Il set di addestramento si aggirava attorno a 60,000 token di testo
Risposte
Binarized Neural Network (MNIST) — domande comuni
Binarized Neural Network (MNIST)— A cosa serve?
Funziona nel dominio di Vision, e viene registrato come gestire il compito di image classification. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
Binarized Neural Network (MNIST)— 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.
Binarized Neural Network (MNIST)— 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.
Binarized Neural Network (MNIST)— quanti parametri ha?
Ha un numero di parametri di 37M. Parameter count is not explicitly stated, but they give details: "The MLP we train on MNIST consists of 3 hidden layers of 4096 binary units (see Section 1) and a L2-SVM output layer" Approximately 37m, based on 784 pixels * 4096 + 2 * 4096^2. 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.
Binarized Neural Network (MNIST)— chi l'ha creato?
È stato pubblicato da Technion - Israel Institute of Technology,Columbia University,University of Montreal / Université de Montréal, basato su Israel, un'organizzazione categorizzata come academia,Academia,Academia.
Binarized Neural Network (MNIST)— quando è stato rilasciato?
È stato pubblicato in March 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.
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.