CNN Committee (MNIST)

Pesi chiusi IDSIA 120.6K parametri September 2011

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.

Sfoglia i modelli che puoi eseguire invece

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: 18 September 2011
Autori: D. Ciresan, U. Meier, L. Gambardella, J. Schmidhuber

Cosa fa

Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.

Dominio: Vision
Compito: Image classification
Approccio: Supervised

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: 120.6K
Dati di addestramento: 420,000 tokens
Epoche: 800

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: 5.2 × 10¹⁶ FLOP
Come è stato stabilito: Hardware,Operation counting

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,NVIDIA GeForce GTX 480
Chip utilizzati: 4
Tempo di parete: 98 hours

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: Unreleased

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: Historical significance
Record fiducia: Likely

Fonti

Da dove proviene questo record e quando è stato controllato l'ultima volta.

Riferimento: Convolutional Neural Network Committees for Handwritten Character Classification
Ultimo aggiornamento: 11 February 2026

Cosa significano i numeri

Informazioni su questo modello

CNN Committee (MNIST) è stato pubblicato da IDSIA, nel paese registrato come Switzerland, durante September 2011. L'organizzazione di pubblicazione è classificata come academia.

Funziona nel dominio di Vision, ed è registrato come eseguire il compito di image classification.

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

Il training ha richiesto un budget di calcolo di circa 5.2 × 10¹⁶ FLOP, su hardware registrato come NVIDIA GeForce GTX 580,NVIDIA GeForce GTX 480. 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 420,000 token di testo

È tracciato nel dataset sottostante per una ragione in particolare: historical significance.

Risposte

CNN Committee (MNIST) — domande comuni

CNN Committee (MNIST)— chi l'ha creato?

È stato pubblicato da IDSIA, basato su Switzerland, un'organizzazione categorizzata come academia.

CNN Committee (MNIST)— quando è stato rilasciato?

È stato pubblicato in September 2011. 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.

CNN Committee (MNIST)— 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.

CNN Committee (MNIST)— quanto calcolo è stato utilizzato per addestrarlo?

L'addestramento ha consumato circa 5.2 × 10¹⁶ FLOP, su hardware registrato come NVIDIA GeForce GTX 580,NVIDIA GeForce GTX 480. 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.

CNN Committee (MNIST)— 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.

CNN Committee (MNIST)— è open-source?

No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.

CNN Committee (MNIST)— quanti parametri ha?

Ha un numero di parametri di 120.6K. 1st CNN layer: 20*4*4=320 2nd CNN layer: 20*40*9*9=64800 1st FC layer: 40*3*3*150=54000 2nd FC layer: 150*10=1500 Total: 320+64800+54000+1500=120620. 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.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 11 February 2026

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.

Tutti i modelli AI