MLP with back-propagation
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 California San Diego,Carnegie Mellon University (CMU)
- Tipo di organizzazione
- Academia,Academia
- Paese
- United States of America
- Pubblicato
- 1 October 1986
- Autori
- Rumelhart, David E.; Hinton, Geoffrey E.; Williams, Ronald J.
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Mathematics
- Compito
- Triplet completion
- Approccio
- Unsupervised
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
- 0.7K
- Dati di addestramento
- 104 tokens
Architecture in Figure 3: 24+12 input -> 6 + 6 hidden -> 12 hidden -> 6 hidden -> 24 output Parameters: 6*24+6*12+12*12+6*12+24*12=720
There are 104 relationship triplets ("[...] of the 104 possible triplets")
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
- 6.7 × 10⁸ FLOP
- Come è stato stabilito
- Operation counting
We assume that the number of mult-adds per pass is equal to the number of parameters -> 2*720=1440 FLOP per forward pass. "We trained the network for 1500 sweeps" There are 104 relationship triplets ("[...] of the 104 possible triplets") FLOP: 1500*104*3*1440=673920000
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
- Highly cited
- Record fiducia
- Confident
- Citazioni
- 29,621
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Learning representations by back-propagating errors
- Ultimo aggiornamento
- 1 January 2026
Cosa significano i numeri
Sfondo
MLP with back-propagation è stato pubblicato da University of California San Diego,Carnegie Mellon University (CMU), nel paese registrato come United States of America, durante October 1986. L'organizzazione di pubblicazione è classificata come academia,Academia.
Funziona nel dominio di Mathematics, ed è registrato come eseguire il compito di triplet completion.
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
Il training ha richiesto un budget di calcolo di circa 6.7 × 10⁸ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
È stato addestrato su un corpus di circa 104 token di testo
È tracciato nel dataset sottostante per una ragione in particolare: highly cited.
Risposte
MLP with back-propagation — domande comuni
MLP with back-propagation— 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.
MLP with back-propagation— quanti parametri ha?
Ha un numero di parametri di 0.7K. Architecture in Figure 3: 24+12 input -> 6 + 6 hidden -> 12 hidden -> 6 hidden -> 24 output Parameters: 6*24+6*12+12*12+6*12+24*12=720. 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.
MLP with back-propagation— chi l'ha creato?
È stato pubblicato da University of California San Diego,Carnegie Mellon University (CMU), basato su United States of America, un'organizzazione categorizzata come academia,Academia.
MLP with back-propagation— quando è stato rilasciato?
È stato pubblicato in October 1986. 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.
MLP with back-propagation— A cosa serve?
Funziona nel dominio di Mathematics, e viene registrato come gestire il compito di triplet completion. 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.
MLP with back-propagation— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 6.7 × 10⁸ 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.
MLP with back-propagation— 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.
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.