ReLU (NORB)
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
- 15 June 2010
- Autori
- Nair, V., Hinton, G. E.
Cosa fa
Le aree problematiche per cui è stato costruito il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision
- Compito
- Object recognition
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.
- Parametri
- 16.2M
- Dati di addestramento
- 291,600 tokens
"The stereo-pair images are subsampled from their original resolution of 108 × 108 × 2 to 32 × 32 × 2 to speed up experiments [...] the architecture with the best results have 4000 units in the first layer and 2000 in the second [...] there are 58,320 test cases (9,720 cases per class) " So the architecture has (32*32*2+1)x4000 + (4000+1)*2000 + (2000+1)*58,320/9,720 parameters
"There are 291,600 training cases (48,600 cases per class) and 58,320 test cases (9,720 cases per class)."
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
- Citazioni
- 18,270
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Rectified linear units improve restricted boltzmann machines
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Background
ReLU (NORB) was published by University of Toronto, in Canada, in June 2010. It comes out of academia.
It works in Vision, and is recorded as doing object recognition.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda grafica cambia ciò.
Formazione e provenienza
It was trained on about 291,600 tokens of text.
Its inclusion criterion is highly cited.
Risposte
ReLU (NORB) — Domande frequenti
Who created ReLU (NORB)?
ReLU (NORB) was published by University of Toronto, based in Canada, categorised as academia.
When was ReLU (NORB) released?
ReLU (NORB) was published in June 2010. 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 ReLU (NORB) used for?
ReLU (NORB) works in Vision, and is recorded as handling object recognition. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
What GPU do I need to run ReLU (NORB)?
None. ReLU (NORB) 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 ReLU (NORB) open source?
The licensing for ReLU (NORB) was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does ReLU (NORB) have?
ReLU (NORB) has 16.2M parameters. "The stereo-pair images are subsampled from their original resolution of 108 × 108 × 2 to 32 × 32 × 2 to speed up experiments [...] the architecture with the best results have 4000 units in the first layer and 2000 in the second [...] there are 58,320 test cases (9,720 cases per class) " So the architecture has (32*32*2+1)x4000 + (4000+1)*2000 + (2000+1)*58,320/9,720 parameters. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
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.