Transfer Learning

Pesi chiusi University of Zagreb July 1976

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 Zagreb
Tipo di organizzazione
Academia
Paese
Croatia
Pubblicato
1 July 1976
Autori
Stevo Bozinovski, Ante Fulgos

Cosa fa

Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.

Dominio
Vision
Compito
Digit recognition, 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.

Dati di addestramento
tokens

Disponibilità

Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.

Pesi
Closed — provider access only
Accesso al modello
Unreleased
Codice di addestramento
Unreleased

Come è classificato

Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.

Perché è monitorato
Historical significance

The first paper on transfer learning

Record fiducia
Unknown

Fonti

Da dove proviene questo record e quando è stato controllato l'ultima volta.

Riferimento
The influence of pattern similarity and transfer learning on the base perceptron training.
Ultimo aggiornamento
28 November 2025

Cosa significano i numeri

Cosa è questo modello

Transfer Learning è stato pubblicato da University of Zagreb, nel paese registrato come Croatia, durante July 1976. Esce da un'organizzazione categorizzata come academia.

Funziona nel dominio di Vision, ed è registrato come eseguire il compito di digit recognition, Character recognition (OCR).

Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.

Come è stato addestrato

Il suo criterio di inclusione: historical significance.

Risposte

Transfer Learning — domande comuni

01

Transfer Learning— 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.

02

Transfer Learning— chi l'ha creato?

È stato pubblicato da University of Zagreb, basato su Croatia, un'organizzazione categorizzata come academia.

03

Transfer Learning— quando è stato rilasciato?

È stato pubblicato in July 1976. 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.

04

Transfer Learning— A cosa serve?

Funziona nel dominio di Vision, e viene registrato come gestire il compito di digit recognition, Character recognition (OCR). I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.

05

Transfer Learning— 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.

06

Transfer Learning— è open-source?

No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 28 November 2025

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.