DrLIM
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
- New York University (NYU)
- Tipo di organizzazione
- Academia
- Paese
- United States of America
- Pubblicato
- 17 June 2006
- Autori
- R. Hadsell; S. Chopra; Y. LeCun
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Other
- Compito
- Image embedding
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
- 37.1K
- Dati di addestramento
- 36,060,000 tokens
Architecture described in figure 3
"The dataset was split into 660 training images and a 312 test images. The result of training on all 10989 similar pairs and 206481 dissimilar pairs is a 3-dimensional manifold in the shape of a cylinder (see figure 8)." 206481 + 10989 = 217470
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Citazioni
- 4,888
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Dimensionality Reduction by Learning an Invariant Mapping
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Sfondo
DrLIM è stato pubblicato da New York University (NYU), nel paese registrato come United States of America, durante June 2006. L'organizzazione di pubblicazione è classificata come academia.
Funziona nel dominio di Other, ed è registrato come eseguire il compito di image embedding.
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
L'addestramento ha consumato un corpus di circa 36,060,000 token di testo
Risposte
DrLIM — domande comuni
DrLIM— 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.
DrLIM— 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.
DrLIM— quanti parametri ha?
Ha un numero di parametri di 37.1K. Architecture described in figure 3. 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.
DrLIM— chi l'ha creato?
È stato pubblicato da New York University (NYU), basato su United States of America, un'organizzazione categorizzata come academia.
DrLIM— quando è stato rilasciato?
È stato pubblicato in June 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.
DrLIM— A cosa serve?
Funziona nel dominio di Other, e viene registrato come gestire il compito di image embedding. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
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.