Mitosis
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
- IDSIA
- Tipo di organizzazione
- Academia
- Paese
- Switzerland
- Pubblicato
- 22 September 2013
- Autori
- Dan C. Cireşan, Alessandro Giusti, Luca M. Gambardella, Jürgen Schmidhuber
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision, Medicine
- Compito
- Object detection
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
- 37.2K
- Dati di addestramento
- 1,000,000 tokens
Sum numbers of weights in Table 1.b
The dataset is built in two stages. First a classifier is trained on small sample, and used to curate a more representative larger dataset. The final dataset has 1M instances "We build the actual training set, composed by 1 million instances, which includes all mitosis pixels (6.6% of the training instances). The remaining 95.4% is sampled from non-mitosis pixels by assigning to each pixel p a weight D(p)."
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
- 1.4 × 10¹⁷ FLOP
- Come è stato stabilito
- Hardware
"Training each network requires one day of computation with an optimized GPU implementation" Assuming 1.58E+12 FLOP/second on FP32 (from the table in the Estimating compute post), we get 3600*24*1.58E+12 = 1.37E+17 FLOP
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Tempo di parete
- 24 hours
"Training each network requires one day of computation with an optimized GPU implementation"
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Likely
- Citazioni
- 1,553
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Mitosis Detection in Breast Cancer Histology Images with Deep Neural Networks
- Ultimo aggiornamento
- 1 January 2026
Cosa significano i numeri
Cosa è questo modello
Mitosis è stato pubblicato da IDSIA, nel paese registrato come Switzerland, durante September 2013. L'organizzazione di pubblicazione è classificata come academia.
Funziona nel dominio di Vision, Medicine, ed è registrato come eseguire il compito di object detection.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Come è stato addestrato
Il training ha richiesto un budget di calcolo di circa 1.4 × 10¹⁷ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
È stato addestrato su un corpus di circa 1,000,000 token di testo
Risposte
Mitosis — domande comuni
Mitosis— chi l'ha creato?
È stato pubblicato da IDSIA, basato su Switzerland, un'organizzazione categorizzata come academia.
Mitosis— quando è stato rilasciato?
È stato pubblicato in September 2013. 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.
Mitosis— A cosa serve?
Funziona nel dominio di Vision, Medicine, e viene registrato come gestire il compito di object detection. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
Mitosis— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.4 × 10¹⁷ FLOP. 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.
Mitosis— 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.
Mitosis— 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.
Mitosis— quanti parametri ha?
Ha un numero di parametri di 37.2K. Sum numbers of weights in Table 1.b. 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.