Hopfield Networks (2020)
Geen schatting
Geen hardware-eisen voor dit model
Dit model's gewichten zijn open-source, maar er is geen parameter aantal gepubliceerd. Elk geheugen- en snelheidsfiguur begint vanaf dat nummer, dus we geven liever niets weer dan een gefabriceerde schatting..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- Johannes Kepler University Linz,Institute of Advanced Research in Artificial Intelligence,University of Oslo
- Organisatietype
- Academia,Academia,Academia
- Land
- Austria, Norway
- Gepubliceerd
- 16 July 2020
- Auteurs
- Hubert Ramsauer, Bernhard Schäfl, Johannes Lehner, Philipp Seidl, Michael Widrich, Thomas Adler, Lukas Gruber, Markus Holzleitner, Milena Pavlović, Geir Kjetil Sandve, Victor Greiff, David Kreil, Michael Kopp, Günter Klambauer, Johannes Brandstetter, Sepp Hochreiter
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Biology, Vision, Language, Medicine
- Taak
- Drug discovery, Language modeling, Object recognition, Cancer diagnosis
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- Training gegevens
- tokens
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Open — downloadable
- Toegang tot model
- Open weights (unrestricted)
- Training code
- Unreleased
copyleft-like license, derivative works must retain this license. code here: https://github.com/ml-jku/hopfield-layers/blob/master/LICENSE
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Waarom het wordt gevolgd
- SOTA improvement
- Record vertrouwen
- Unknown
- Citaties
- 634
"Hopfield layers yielded a new state-ofthe-art when compared to different machine learning methods. Finally, Hopfield layers achieved state-of-the-art on two drug design datasets" "Our approach has set a new state-of-the-art and has outperformed other methods <..> on the datasets Tiger, Elephant and UCSB Breast Cancer (see Table 1)."
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Hopfield Networks is All You Need
- Laatst bijgewerkt
- 25 May 2026
Wat de cijfers betekenen
Wat dit model is
Hopfield Networks (2020) werd gepubliceerd door Johannes Kepler University Linz,Institute of Advanced Research in Artificial Intelligence,University of Oslo, in het land geregistreerd als Austria, tijdens July 2020. De publicerende organisatie is geclassificeerd als academia,Academia,Academia.
Het werkt in het domein van Biology, Vision, Language, Medicine, en wordt geregistreerd als het uitvoeren van de taak van drug discovery, Language modeling, Object recognition, Cancer diagnosis.
Gepubliceerde gewichten betekenen dat het model op jouw machine draait in plaats van op die van iemand anders, wat de hardwarevraag hieronder op enige manier beantwoordbaar maakt.
Hoe het getraind werd
Het wordt gevolgd in de onderliggende dataset om één specifieke reden: sOTA improvement.
Antwoorden
Hopfield Networks (2020) — veelgestelde vragen
Hopfield Networks (2020)— waar kan ik het downloaden?
De gewichten zijn gepubliceerd, hoewel we geen repositorylink daarvoor hebben. Deze site berekent hardwarevereisten in plaats van modelbestanden te hosten.
Hopfield Networks (2020)— Welke GPU heb ik nodig om het te draaien?
We kunnen niets zeggen. Het heeft open weights, maar er is geen parameter telling gepubliceerd voor het, en elke memory en snelheid berekening begint vanaf dat nummer. We tonen liever niets dan een gefabriceerde schatting.
Hopfield Networks (2020)— is het open-source?
De gewichten zijn gepubliceerd, zodat ze kunnen worden gedownload en op je eigen hardware kunnen worden uitgevoerd. Houd er rekening mee dat OPEN WEIGHTS niet hetzelfde is als open source in de volle zin — het zegt niets over de trainingsdata, de trainingscode of de commerciële voorwaarden die eraan zijn verbonden.
Hopfield Networks (2020)— hoeveel parameters heeft het?
Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.
Hopfield Networks (2020)— wie heeft het gemaakt?
Het werd gepubliceerd door Johannes Kepler University Linz,Institute of Advanced Research in Artificial Intelligence,University of Oslo, gebaseerd op Austria, een organisatie geclassificeerd als academia,Academia,Academia.
Hopfield Networks (2020)— wanneer is het uitgebracht?
Het werd gepubliceerd in July 2020. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Hopfield Networks (2020)— waarvoor wordt het gebruikt?
Het werkt in het domein van Biology, Vision, Language, Medicine, en wordt geregistreerd als het afhandelen van drug discovery, Language modeling, Object recognition, Cancer diagnosis. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.