Dropout (CIFAR)
Nessuna stima
Nessun requisito hardware per questo modello
I pesi di questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul vostro hardware a qualsiasi dimensione. È accessibile solo attraverso il suo fornitore, e nessuna scheda grafica può cambiare questo.
In registrazione
Specifiche complete
Tutto ciò che riguarda questo modello. La maggior parte delle informazioni descrive come è stato addestrato piuttosto che come viene eseguito — un contesto utile per valutare la quantità di lavoro impiegata e come si confronta con modelli realizzati su scala diversa.
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- University of Toronto
- Tipo di organizzazione
- Academia
- Paese
- Canada
- Pubblicato
- 3 June 2012
- Autori
- GE Hinton, N Srivastava, A Krizhevsky
Cosa fa
Le aree problematiche per cui è stato costruito il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision
- Compito
- Character recognition (OCR)
- Numerical format
- FP32
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono il valore che decide se si adatta a una determinata scheda grafica.
- Dati di addestramento
- 60,000 tokens
Addestramento computazionale
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto costato l'addestramento, non di quanto velocemente il modello finito ti risponde.
- Addestramento computazionale
- 4.3 × 10¹⁵ FLOP
- Come è stato stabilito
- Hardware
"a single NVIDIA GTX 580 GPU. Training on CIFAR-10 takes roughly 90 minutes" p17 1.581 TFLOP/s * 90 min * 60 s/min * 0.5 utilization
Il training run
Cosa è stato fisicamente necessario per addestrare: quali chip, quanti, per quanto tempo e cosa ha richiesto dalla rete elettrica.
- Hardware di addestramento
- NVIDIA GeForce GTX 580
- Tempo di orologio muro
- 2 hours
90 minutes
Disponibilità
Se puoi ottenere il modello e eseguirlo sul tuo hardware, il che decide se una delle cifre della scheda grafica su questa pagina si applica.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Open (non-commercial)
http://www.cs.toronto.edu/~nitish/dropout see model files
Come è classificato
Etichette che il dataset sorgente applica quando si monitorano modelli notevoli e quanto è fiducioso nell'entry.
- Perché viene tracciato
- Highly cited
- Registrare fiducia
- Confident
- Citazioni
- 7,999
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Improving neural networks by preventing co-adaptation of feature detectors
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Where it came from
Dropout (CIFAR) was published by University of Toronto, in Canada, in June 2012. academia is the category the publisher falls under.
It works in Vision, and is recorded as doing character recognition (OCR).
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda grafica cambia ciò.
Cosa ci è voluto per costruirlo
Producing it required around 4.3 × 10¹⁵ FLOP of arithmetic, on NVIDIA GeForce GTX 580, which is a statement about the training budget rather than about inference.
The training set ran to roughly 60,000 tokens.
It is tracked in the underlying dataset for one reason in particular: highly cited.
Risposte
Dropout (CIFAR) — Domande frequenti
What GPU do I need to run Dropout (CIFAR)?
None. Dropout (CIFAR) is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is Dropout (CIFAR) open source?
No. Dropout (CIFAR) has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Dropout (CIFAR) have?
No parameter count has been published for Dropout (CIFAR), which is why no memory or speed figure appears on this page.
Who created Dropout (CIFAR)?
Dropout (CIFAR) was published by University of Toronto, based in Canada, categorised as academia.
When was Dropout (CIFAR) released?
Dropout (CIFAR) was published in June 2012. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is Dropout (CIFAR) used for?
Dropout (CIFAR) works in Vision, and is recorded as handling character recognition (OCR). Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
How much compute was used to train Dropout (CIFAR)?
Around 4.3 × 10¹⁵ FLOP, on NVIDIA GeForce GTX 580. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
L'altra direzione
Guardando la questione dall'altra parte?
Questa pagina inizia dal modello. Se possedete già una scheda e desiderate conoscere tutto ciò che può eseguire, inizia dall'hardware invece.