GPU DBNs
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
- Stanford University
- Tipo di organizzazione
- Academia
- Paese
- United States of America
- Pubblicato
- 15 June 2009
- Autori
- R Raina, A Madhavan, AY Ng
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Other
- Compito
- Miscellaneous image analysis
- 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.
- parametri
- 100M
- Dati di addestramento
- 121,344,000,000 tokens
"For example, we are able to reduce the time required to learn a four-layer DBN with 100 million free parameters from several weeks to around a single day."
Table 2 shows the running time for processing 1 million examples for RBMs of varying size
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
- 1 × 10¹⁵ FLOP
- Come è stato stabilito
- Hardware
https://www.getguesstimate.com/models/19602 6435 GPU seconds for 1M examples Single GTX 280 with 622.1 GFLOPS All results are reported for 1M examples, unclear if they ran larger training experiments.
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,Historical significance
- Record fiducia
- Confident
- Citazioni
- 1,032
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Large-scale Deep Unsupervised Learning using Graphics Processors
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Informazioni su questo modello
GPU DBNs è stato pubblicato da Stanford University, nel paese registrato come United States of America, durante June 2009. La categoria sotto cui rientra l'editore è academia.
Funziona nel dominio di Other, ed è registrato come eseguire il compito di miscellaneous image analysis.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Come è stato addestrato
Il training ha richiesto un budget di calcolo di circa 1 × 10¹⁵ FLOP. 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 121,344,000,000 token di testo
È tracciato nel dataset sottostante per una ragione in particolare: highly cited,Historical significance.
Risposte
GPU DBNs — domande comuni
GPU DBNs— A cosa serve?
Funziona nel dominio di Other, e viene registrato come gestire il compito di miscellaneous image analysis. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
GPU DBNs— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1 × 10¹⁵ FLOP. 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.
GPU DBNs— 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.
GPU DBNs— 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.
GPU DBNs— quanti parametri ha?
Ha un numero di parametri di 100M. "For example, we are able to reduce the time required to learn a four-layer DBN with 100 million free parameters from several weeks to around a single day.". 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.
GPU DBNs— chi l'ha creato?
È stato pubblicato da Stanford University, basato su United States of America, un'organizzazione categorizzata come academia.
GPU DBNs— quando è stato rilasciato?
È stato pubblicato in June 2009. 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.
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.