Fractional Max-Pooling
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 Warwick
- Tipo di organizzazione
- Academia
- Paese
- United Kingdom of Great Britain and Northern Ireland
- Pubblicato
- 18 December 2014
- Autori
- Benjamin Graham
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
- 27M
- Dati di addestramento
- 901,200 tokens
- Epoche
- 250
27M weights in largest CIFAR-100 model
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
- 1 × 10¹⁷ FLOP
- Come è stato stabilito
- Hardware
For the 12M param model, training required "18 hours on a GeForce GTX 780". So would be somewhat larger for 27M. 4 TFLOPS * 18 * 3600 * 0.4 = 1e17
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 GeForce GTX 780
- Tempo di parete
- 18 hours
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- SOTA improvement
- Record fiducia
- Likely
- Citazioni
- 672
"for instance, we improve on the state-of-the art for CIFAR-100 without even using dropout."
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Fractional Max-Pooling
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
Fractional Max-Pooling è stato pubblicato da University of Warwick, nel paese registrato come United Kingdom of Great Britain and Northern Ireland, durante December 2014. L'organizzazione di pubblicazione è classificata come 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.
Cosa è stato necessario per costruirlo
Il run di addestramento ha consumato circa 1 × 10¹⁷ FLOP, su hardware registrato come NVIDIA GeForce GTX 780. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Il set di addestramento si aggirava attorno a 901,200 token di testo
È tracciato nel dataset sottostante per una ragione in particolare: sOTA improvement.
Risposte
Fractional Max-Pooling — domande comuni
Fractional Max-Pooling— 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.
Fractional Max-Pooling— quanti parametri ha?
Ha un numero di parametri di 27M. 27M weights in largest CIFAR-100 model. 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.
Fractional Max-Pooling— chi l'ha creato?
È stato pubblicato da University of Warwick, basato su United Kingdom of Great Britain and Northern Ireland, un'organizzazione categorizzata come academia.
Fractional Max-Pooling— quando è stato rilasciato?
È stato pubblicato in December 2014. 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.
Fractional Max-Pooling— A cosa serve?
Funziona nel dominio di Vision, e viene registrato come gestire il compito di image classification. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
Fractional Max-Pooling— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1 × 10¹⁷ FLOP, su hardware registrato come NVIDIA GeForce GTX 780. 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.
Fractional Max-Pooling— 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.
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.