MSRA (C, PReLU)
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
- Microsoft Research
- Tipo di organizzazione
- Industry
- Paese
- United States of America
- Pubblicato
- 6 February 2015
- Autori
- Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision
- Compito
- Image classification
- Formato numerico
- FP32
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
- 87M
- Dati di addestramento
- 1,280,000 tokens
I used the architecture in table 3 I ignored biases, and assumed a SPP bin size of 256 3*7*7*96+96*3*3*384+384*3*3*384*5+384*3*3*768+768*3*3*768*5+768*3*3*896+896*3*3*896*5+896*(7*7+3*3+2*2+1)*4096+4096*4096+4096*1000=330581792
"We perform the experiments on the 1000-class ImageNet 2012 dataset", paper; ImageNet 2012 train set size from https://huggingface.co/datasets/imagenet-1k
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.
- Calcolo di addestramento
- 2.4 × 10¹⁹ FLOP
- Come è stato stabilito
- Hardware
"training C on eight K40 GPUs, takes about 3-4 weeks" 0.33 util rate (From Imagenet paper-data, Besiroglu et al., forthcoming)
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- NVIDIA Tesla K40t
- Tempo di parete
- 588 hours (24.5 days)
- Costo di calcolo
- $1,394
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Modello Frontier
- Yes
- Perché è monitorato
- Highly cited
- Record fiducia
- Confident
- Citazioni
- 20,475
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Cosa è questo modello
MSRA (C, PReLU) è stato pubblicato da Microsoft Research, nel paese registrato come United States of America, durante February 2015. Esce da un'organizzazione categorizzata come industry.
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 run di addestramento ha consumato circa 2.4 × 10¹⁹ FLOP, su hardware registrato come NVIDIA Tesla K40t. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
L'addestramento ha consumato un corpus di circa 1,280,000 token di testo
Il suo criterio di inclusione: highly cited.
Risposte
MSRA (C, PReLU) — domande comuni
MSRA (C, PReLU)— chi l'ha creato?
È stato pubblicato da Microsoft Research, basato su United States of America, un'organizzazione categorizzata come industry.
MSRA (C, PReLU)— quando è stato rilasciato?
È stato pubblicato in February 2015. 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.
MSRA (C, PReLU)— A cosa serve?
Funziona nel dominio di Vision, e viene registrato come gestire il compito di image classification. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
MSRA (C, PReLU)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 2.4 × 10¹⁹ FLOP, su hardware registrato come NVIDIA Tesla K40t. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.
MSRA (C, PReLU)— 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.
MSRA (C, PReLU)— 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.
MSRA (C, PReLU)— quanti parametri ha?
Ha un numero di parametri di 87M. I used the architecture in table 3 I ignored biases, and assumed a SPP bin size of 256 3*7*7*96+96*3*3*384+384*3*3*384*5+384*3*3*768+768*3*3*768*5+768*3*3*896+896*3*3*896*5+896*(7*7+3*3+2*2+1)*4096+4096*4096+4096*1000=330581792. 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.