Dropout (CIFAR)
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 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 progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision
- Compito
- Character recognition (OCR)
- 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.
- Dati di addestramento
- 60,000 tokens
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
- 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
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 580
- Tempo di parete
- 2 hours
90 minutes
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- 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 del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- Highly cited
- Record 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
Da dove è venuto
Dropout (CIFAR) è stato pubblicato da University of Toronto, nel paese registrato come Canada, durante June 2012. La categoria sotto cui rientra l'editore è academia.
Funziona nel dominio di Vision, ed è registrato come eseguire il compito di character recognition (OCR).
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Cosa è stato necessario per costruirlo
La produzione di esso ha richiesto un'aritmetica totale di circa 4.3 × 10¹⁵ FLOP, su hardware registrato come NVIDIA GeForce GTX 580. 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 60,000 token di testo
È tracciato nel dataset sottostante per una ragione in particolare: highly cited.
Risposte
Dropout (CIFAR) — domande comuni
Dropout (CIFAR)— 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.
Dropout (CIFAR)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Dropout (CIFAR)— quanti parametri ha?
Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.
Dropout (CIFAR)— chi l'ha creato?
È stato pubblicato da University of Toronto, basato su Canada, un'organizzazione categorizzata come academia.
Dropout (CIFAR)— quando è stato rilasciato?
È stato pubblicato in June 2012. 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.
Dropout (CIFAR)— A cosa serve?
Funziona nel dominio di Vision, e viene registrato come gestire il compito di character recognition (OCR). I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
Dropout (CIFAR)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 4.3 × 10¹⁵ FLOP, su hardware registrato come NVIDIA GeForce GTX 580. 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.
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.