Binarized Neural Network (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
- Technion - Israel Institute of Technology,Columbia University,University of Montreal / Université de Montréal
- Organisatietype
- Academia,Academia,Academia
- Land
- Israel, United States of America, Canada
- Gepubliceerd
- 17 March 2016
- Auteurs
- Matthieu Courbariaux, Itay Hubara, Daniel Soudry, Ran El-Yaniv, Yoshua Bengio
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.
- parameters
- 37M
- Training gegevens
- 60,000 tokens
- Epochs
- 1,000
Parameter count is not explicitly stated, but they give details: "The MLP we train on MNIST consists of 3 hidden layers of 4096 binary units (see Section 1) and a L2-SVM output layer" Approximately 37m, based on 784 pixels * 4096 + 2 * 4096^2
60k training images, 10k test in MNIST
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
- Citaties
- 3,299
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Binarized Neural Networks: Training Neural Networks with Weights and Activations Constrained to +1 or −1
- Laatst bijgewerkt
- 11 February 2026
Wat de cijfers betekenen
Waar het vandaan kwam
Binarized Neural Network (MNIST) werd gepubliceerd door Technion - Israel Institute of Technology,Columbia University,University of Montreal / Université de Montréal, in het land geregistreerd als Israel, tijdens March 2016. Het komt uit een organisatie gecategoriseerd als academia,Academia,Academia.
Het werkt in het domein van Vision, en wordt geregistreerd als het uitvoeren van de taak van image classification.
Omdat de weights niet beschikbaar zijn, zijn geen van de hardwarefiguren elders op deze site van toepassing op het.
Training en herkomst
De trainingsset liep naar ongeveer 60,000 tekstokens
Antwoorden
Binarized Neural Network (MNIST) — veelgestelde vragen
Binarized Neural Network (MNIST)— waarvoor wordt het gebruikt?
Het werkt in het domein van Vision, en wordt geregistreerd als het afhandelen van image classification. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
Binarized Neural Network (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.
Binarized Neural Network (MNIST)— 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.
Binarized Neural Network (MNIST)— hoeveel parameters heeft het?
Het heeft een parameter telling van 37M. Parameter count is not explicitly stated, but they give details: "The MLP we train on MNIST consists of 3 hidden layers of 4096 binary units (see Section 1) and a L2-SVM output layer" Approximately 37m, based on 784 pixels * 4096 + 2 * 4096^2. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
Binarized Neural Network (MNIST)— wie heeft het gemaakt?
Het werd gepubliceerd door Technion - Israel Institute of Technology,Columbia University,University of Montreal / Université de Montréal, gebaseerd op Israel, een organisatie geclassificeerd als academia,Academia,Academia.
Binarized Neural Network (MNIST)— wanneer is het uitgebracht?
Het werd gepubliceerd in March 2016. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
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.