PoE MNIST
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 College London (UCL)
- Tipo di organizzazione
- Academia
- Paese
- United Kingdom of Great Britain and Northern Ireland
- Pubblicato
- 28 November 2000
- Autori
- Guy Mayraz, Geoffrey E. Hinton
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.
- parametri
- 3.9M
- Dati di addestramento
- 54,000 tokens
- Epoche
- 500
10 models, one for each digit. Largest models: 500 epochs, 500 hidden units (Table 2) "The largest network was the best, even though each digit model contains 392,500 parameters trained on only 4,400 images" "the classification network had 30 inputs and therefore 300 weights and 10 output biases." Total: 392500*10 + 310 = 3,925,310
Total training data size is 60000 but the subnetworks were trained on smaller subsets.
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.
- Calcolo di addestramento
- 5.2 × 10¹³ FLOP
- Come è stato stabilito
- Operation counting
Each model was trained on 4400 examples: "The largest network was the best, even though each digit model contains 392,500 parameters trained on only 4,400 images." Table 2, largest network trained 500 epochs. 10 * 6 * 392500 * 4400 * 500 = 51,810,000,000,000
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Modello Frontier
- Yes
- Perché è monitorato
- Historical significance
- Record fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Recognizing Hand-written Digits Using Hierarchical Products of Experts
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
PoE MNIST è stato pubblicato da University College London (UCL), nel paese registrato come United Kingdom of Great Britain and Northern Ireland, durante November 2000. La categoria sotto cui rientra l'editore è 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
Il training ha richiesto un budget di calcolo di circa 5.2 × 10¹³ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
L'addestramento ha consumato un corpus di circa 54,000 token di testo
Il suo criterio di inclusione: historical significance.
Risposte
PoE MNIST — domande comuni
PoE MNIST— 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.
PoE MNIST— 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.
PoE MNIST— quanti parametri ha?
Ha un numero di parametri di 3.9M. 10 models, one for each digit. Largest models: 500 epochs, 500 hidden units (Table 2) "The largest network was the best, even though each digit model contains 392,500 parameters trained on only 4,400 images" "the classification network had 30 inputs and therefore 300 weights and 10 output biases." Total: 392500*10 + 310 = 3,925,310. 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.
PoE MNIST— chi l'ha creato?
È stato pubblicato da University College London (UCL), basato su United Kingdom of Great Britain and Northern Ireland, un'organizzazione categorizzata come academia.
PoE MNIST— quando è stato rilasciato?
È stato pubblicato in November 2000. 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.
PoE MNIST— 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.
PoE MNIST— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 5.2 × 10¹³ FLOP. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.
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.