DBN for NLP
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
- Microsoft,University of Toronto
- Organisatietype
- Industry,Academia
- Land
- United States of America, Canada
- Gepubliceerd
- 11 February 2014
- Auteurs
- R Sarikaya, GE Hinton, A Deoras
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Language
- Taak
- Text 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
- 1M
- Training gegevens
- 27,000 tokens
Assuming 1000 input features, 35 classes and 3 hidden layers of 500 units each
The training data has 27K automatically transcribed utterances amounting to 178K words.
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.
- Citaties
- 445
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Application of Deep Belief Networks for Natural Language Understanding
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Wat dit model is
DBN for NLP werd gepubliceerd door Microsoft,University of Toronto, in het land geregistreerd als United States of America, tijdens February 2014. De publicerende organisatie is geclassificeerd als industry,Academia.
Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van text 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.
Hoe het getraind werd
Het is getraind op een corpus van ongeveer 27,000 tekstokens
Antwoorden
DBN for NLP — veelgestelde vragen
DBN for NLP— hoeveel parameters heeft het?
Het heeft een parameter telling van 1M. Assuming 1000 input features, 35 classes and 3 hidden layers of 500 units each. 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.
DBN for NLP— wie heeft het gemaakt?
Het werd gepubliceerd door Microsoft,University of Toronto, gebaseerd op United States of America, een organisatie geclassificeerd als industry,Academia.
DBN for NLP— wanneer is het uitgebracht?
Het werd gepubliceerd in February 2014. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
DBN for NLP— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van text classification. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
DBN for NLP— 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.
DBN for NLP— 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.
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.