Vine copula (wine quality)
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
- Massachusetts Institute of Technology (MIT),Rey Juan Carlos University
- Organisatietype
- Academia,Academia
- Land
- United States of America, Spain
- Gepubliceerd
- 4 December 2018
- Auteurs
- Yi Sun, Alfredo Cuesta-Infante, Kalyan Veeramachaneni
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Taak
- Multi-class 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
- tokens
Training rekenen
De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.
- Training rekenen
- 8.5 × 10¹⁵ FLOP
- Hoe het werd opgericht
- Hardware
"for a 6-dimensional data set of size 500, the RL algorithm finishes in approximately 15 minutes with a single GPU"" Assuming they used V100, fp16 and trained for similar amount of time: 31330000000000 FLOP / GPU / sec * 15 min * 60 sec / min * 0.3 [assumed utilization] = 8.4591e+15 FLOP
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Kloktijd
- 0 hours
" for a 6-dimensional data set of size 500, the RL algorithm finishes in approximately 15 minutes with a single GPU"
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
- Speculative
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Learning Vine Copula Models For Synthetic Data Generation
- Laatst bijgewerkt
- 11 February 2026
Wat de cijfers betekenen
Wat dit model is
Vine copula (wine quality) werd gepubliceerd door Massachusetts Institute of Technology (MIT),Rey Juan Carlos University, in het land geregistreerd als United States of America, tijdens December 2018. De publicerende organisatie is geclassificeerd als academia,Academia.
en wordt geregistreerd als het uitvoeren van de taak van multi-class classification.
Omdat de weights niet beschikbaar zijn, zijn geen van de hardwarefiguren elders op deze site van toepassing op het.
Wat erin ging zitten om het te bouwen
Het produceren ervan vereiste een rekenkundige totaal van ongeveer 8.5 × 10¹⁵ FLOP. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Antwoorden
Vine copula (wine quality) — veelgestelde vragen
Vine copula (wine quality)— 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.
Vine copula (wine quality)— is het open-source?
De licenties werden nooit vastgelegd in onze brondocumenten. We beschouwen niet-verklaarde licenties als gesloten, omdat een niet-vastgelegde licentie er geen is om op te vertrouwen.
Vine copula (wine quality)— hoeveel parameters heeft het?
Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.
Vine copula (wine quality)— wie heeft het gemaakt?
Het werd gepubliceerd door Massachusetts Institute of Technology (MIT),Rey Juan Carlos University, gebaseerd op United States of America, een organisatie geclassificeerd als academia,Academia.
Vine copula (wine quality)— wanneer is het uitgebracht?
Het werd gepubliceerd in December 2018. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Vine copula (wine quality)— waarvoor wordt het gebruikt?
en wordt geregistreerd als het afhandelen van multi-class 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.
Vine copula (wine quality)— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 8.5 × 10¹⁵ FLOP. Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.
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.