Sparse digit recognition SVM
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 Lubeck
- Tipo di organizzazione
- Academia
- Paese
- Germany
- Pubblicato
- 19 November 2008
- Autori
- Kai Labusch, Erhadt Barth, Thomas Martinetz
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision
- Compito
- Image classification
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
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- SOTA improvement
- Record fiducia
- Unknown
- Citazioni
- 124
"Finally, we train a support vector machine (SVM) on the resulting feature vectors and obtain state-of-the-art classification performance in the digit recognition task defined by the MNIST benchmark"
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Simple method for high-performance digit recognition based on sparse coding
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Sfondo
Sparse digit recognition SVM è stato pubblicato da University of Lubeck, nel paese registrato come Germany, durante November 2008. Esce da un'organizzazione categorizzata 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.
Addestramento e provenienza
Il motivo per cui appare in questo catalogo è: sOTA improvement.
Risposte
Sparse digit recognition SVM — domande comuni
Sparse digit recognition SVM— 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.
Sparse digit recognition SVM— 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.
Sparse digit recognition SVM— chi l'ha creato?
È stato pubblicato da University of Lubeck, basato su Germany, un'organizzazione categorizzata come academia.
Sparse digit recognition SVM— quando è stato rilasciato?
È stato pubblicato in November 2008. 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.
Sparse digit recognition SVM— A cosa serve?
Funziona nel dominio di Vision, e viene registrato come gestire il compito di image classification. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
Sparse digit recognition SVM— 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.
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.