YouTube Video Recommendation System
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
- Tipo di organizzazione
- Industry
- Paese
- United States of America
- Pubblicato
- 26 September 2010
- Autori
- J Davidson, B Liebald, J Liu, P Nandy
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Recommendation
- Compito
- Recommender system
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
- tokens
"We currently handle millions of users and tens of billions of activity events with a total footprint of several terabytes of data" If 10M users each watch 1000 videos, that's 10B visualizations, which matches their "activity events" count.
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,Significant use,Historical significance
- Citazioni
- 1,160
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- The YouTube Video Recommendation System
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
YouTube Video Recommendation System è stato pubblicato da Google, nel paese registrato come United States of America, durante September 2010. L'organizzazione di pubblicazione è classificata come industry.
Funziona nel dominio di Recommendation, ed è registrato come eseguire il compito di recommender system.
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 motivo per cui appare in questo catalogo è: highly cited,Significant use,Historical significance.
Risposte
YouTube Video Recommendation System — domande comuni
YouTube Video Recommendation System— quando è stato rilasciato?
È stato pubblicato in September 2010. 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.
YouTube Video Recommendation System— A cosa serve?
Funziona nel dominio di Recommendation, e viene registrato come gestire il compito di recommender system. 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.
YouTube Video Recommendation System— 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.
YouTube Video Recommendation System— 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.
YouTube Video Recommendation System— 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.
YouTube Video Recommendation System— chi l'ha creato?
È stato pubblicato da Google, basato su United States of America, un'organizzazione categorizzata come industry.
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.