Deep Belief Nets
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 Toronto,National University of Singapore
- Tipo di organizzazione
- Academia,Academia
- Paese
- Canada, Singapore
- Pubblicato
- 18 July 2006
- Autori
- GE Hinton, S Osindero, YW Teh
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)
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
- 1.6M
- Dati di addestramento
- 47,100,000 tokens
- Epoche
- 330
"The network that performed best on the validation set was then tested and had an error rate of 1.39%. This network was then trained on all 60,000 training images8 until its error-rate on the full training set was as low as its final error-rate had been on the initial training set of 44,000 images."
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Tempo di parete
- 168 hours (7 days)
"a further 59 epochs [of training] making the total learning time about a week"
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
- Citazioni
- 16,071
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- A fast learning algorithm for deep belief nets
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
Deep Belief Nets è stato pubblicato da University of Toronto,National University of Singapore, nel paese registrato come Canada, durante July 2006. Esce da un'organizzazione categorizzata come academia,Academia.
Funziona nel dominio di Vision, ed è registrato come eseguire il compito di character recognition (OCR).
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
È stato addestrato su un corpus di circa 47,100,000 token di testo
È tracciato nel dataset sottostante per una ragione in particolare: highly cited.
Risposte
Deep Belief Nets — domande comuni
Deep Belief Nets— quanti parametri ha?
Ha un numero di parametri di 1.6M. 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.
Deep Belief Nets— chi l'ha creato?
È stato pubblicato da University of Toronto,National University of Singapore, basato su Canada, un'organizzazione categorizzata come academia,Academia.
Deep Belief Nets— quando è stato rilasciato?
È stato pubblicato in July 2006. 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.
Deep Belief Nets— A cosa serve?
Funziona nel dominio di Vision, e viene registrato come gestire il compito di character recognition (OCR). 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.
Deep Belief Nets— 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.
Deep Belief Nets— 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.