BLSTM for handwriting (1)
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 Bern,IDSIA,Technical University of Munich
- Tipo di organizzazione
- Academia,Academia,Academia
- Paese
- Switzerland, Germany
- Pubblicato
- 23 September 2007
- Autori
- M Liwicki, A Graves, S Fernàndez
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision
- Compito
- Character recognition (OCR), 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
- 405,478 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
- 287
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- A Novel Approach to On-Line Handwriting Recognition Based on Bidirectional Long Short-Term Memory Networks
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Informazioni su questo modello
BLSTM for handwriting (1) è stato pubblicato da University of Bern,IDSIA,Technical University of Munich, nel paese registrato come Switzerland, durante September 2007. La categoria sotto cui rientra l'editore è academia,Academia,Academia.
Funziona nel dominio di Vision, ed è registrato come eseguire il compito di character recognition (OCR), Image classification.
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 set di addestramento si aggirava attorno a 405,478 token di testo
Il suo criterio di inclusione: sOTA improvement.
Risposte
BLSTM for handwriting (1) — domande comuni
BLSTM for handwriting (1)— 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.
BLSTM for handwriting (1)— chi l'ha creato?
È stato pubblicato da University of Bern,IDSIA,Technical University of Munich, basato su Switzerland, un'organizzazione categorizzata come academia,Academia,Academia.
BLSTM for handwriting (1)— quando è stato rilasciato?
È stato pubblicato in September 2007. 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.
BLSTM for handwriting (1)— A cosa serve?
Funziona nel dominio di Vision, e viene registrato come gestire il compito di character recognition (OCR), Image classification. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
BLSTM for handwriting (1)— 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.
BLSTM for handwriting (1)— 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.
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.