TFE 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
- Centre de Recherche en Automatique de Nancy (CRAN),CENPARMI
- Tipo di organizzazione
- Academia,Academia
- Paese
- France, Canada
- Pubblicato
- 2 February 2006
- Autori
- Fabian Lauer, Ching Y Suen, Gerard Bloch
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision
- Compito
- Digit recognition
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
- 600,000 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
- 365
best at affine-transformed digits in table 4
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- A trainable feature extractor for handwritten digit recognition
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
TFE SVM è stato pubblicato da Centre de Recherche en Automatique de Nancy (CRAN),CENPARMI, nel paese registrato come France, durante February 2006. L'organizzazione di pubblicazione è classificata come academia,Academia.
Funziona nel dominio di Vision, ed è registrato come eseguire il compito di digit recognition.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Cosa è stato necessario per costruirlo
L'addestramento ha consumato un corpus di circa 600,000 token di testo
Il motivo per cui appare in questo catalogo è: sOTA improvement.
Risposte
TFE SVM — domande comuni
TFE SVM— chi l'ha creato?
È stato pubblicato da Centre de Recherche en Automatique de Nancy (CRAN),CENPARMI, basato su France, un'organizzazione categorizzata come academia,Academia.
TFE SVM— quando è stato rilasciato?
È stato pubblicato in February 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.
TFE SVM— A cosa serve?
Funziona nel dominio di Vision, e viene registrato come gestire il compito di digit recognition. 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.
TFE 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.
TFE 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.
TFE 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.
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.