Graph-based Semi-Supervised Learning (GSSL) Model on MNIST
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
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
- West Virginia University
- Organisatietype
- Academia
- Land
- United States of America
- Gepubliceerd
- 17 July 2019
- Auteurs
- Fariborz Taherkhani, Hadi Kazemi, Nasser M. Nasrabadi
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Vision
- Taak
- Image classification
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
- 60,000 tokens
batch size: 128 training steps and epochs unknown
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- NVIDIA GeForce GTX TITAN X
- Gebruikte chips
- 2
- Stroomverbruik
- 1.0 kW
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
- Closed — provider access only
- Toegang tot model
- Unreleased
- Training code
- Unreleased
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.
- Record vertrouwen
- Unknown
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Matrix Completion for Graph-Based Deep Semi-Supervised Learning
- Laatst bijgewerkt
- 11 February 2026
Wat de cijfers betekenen
Wat dit model is
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST werd gepubliceerd door West Virginia University, in het land geregistreerd als United States of America, tijdens July 2019. De publicerende organisatie is geclassificeerd als academia.
Het werkt in het domein van Vision, en wordt geregistreerd als het uitvoeren van de taak van image classification.
Dit is een gesloten model: de getrainde waarden zijn bij degene gebleven die ze geproduceerd hebben, en er is geen lokale versie om te draaien.
Wat erin ging zitten om het te bouwen
Het is getraind op een corpus van ongeveer 60,000 tekstokens
Antwoorden
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST — veelgestelde vragen
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST— wie heeft het gemaakt?
Het werd gepubliceerd door West Virginia University, gebaseerd op United States of America, een organisatie geclassificeerd als academia.
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST— wanneer is het uitgebracht?
Het werd gepubliceerd in July 2019. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST— waarvoor wordt het gebruikt?
Het werkt in het domein van Vision, en wordt geregistreerd als het afhandelen van image classification. Een model kan er verschillende van elk dragen, dus dit zijn de gebieden waarvoor het is gebouwd in plaats van een limiet op wat het zal proberen.
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
Graph-based Semi-Supervised Learning (GSSL) Model on MNIST— hoeveel parameters heeft het?
Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.
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.