CNN committee (traffic sign)

Gesloten gewichten IDSIA 1.4M parameters October 2011

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..

Blader door modellen die je kunt uitvoeren in plaats van

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: IDSIA
Organisatietype: Academia
Land: Switzerland
Gepubliceerd: 3 October 2011
Auteurs: D. Ciresan, U. Meier, Jonathan Masci, J. Schmidhuber

Wat het doet

De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.

Domein: Vision
Taak: Image classification
Aanpak: Supervised

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: 1.4M
Training gegevens: 53,280 tokens
Epochs: 50

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: 9.9 × 10¹⁴ FLOP
Hoe het werd opgericht: Operation counting

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 580,NVIDIA GeForce GTX 480
Gebruikte chips: 4

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.

Waarom het wordt gevolgd: Historical significance,SOTA improvement
Record vertrouwen: Likely

Bronnen

Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.

Referentie: A committee of neural networks for traffic sign classification
Laatst bijgewerkt: 11 February 2026

Wat de cijfers betekenen

Waar het vandaan kwam

CNN committee (traffic sign) werd gepubliceerd door IDSIA, in het land geregistreerd als Switzerland, tijdens October 2011. Het komt uit een organisatie gecategoriseerd als 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

Training kostte een rekensbudget van ongeveer 9.9 × 10¹⁴ FLOP, op hardware vastgelegd als NVIDIA GeForce GTX 580,NVIDIA GeForce GTX 480. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.

De trainingsset liep naar ongeveer 53,280 tekstokens

De reden dat het überhaupt in deze catalogus verschijnt: historical significance,SOTA improvement.

Antwoorden

CNN committee (traffic sign) — veelgestelde vragen

CNN committee (traffic sign)— 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.

CNN committee (traffic sign)— hoeveel rekencapaciteit is gebruikt om het te trainen?

Training verbruikte ongeveer 9.9 × 10¹⁴ FLOP, op hardware vastgelegd als NVIDIA GeForce GTX 580,NVIDIA GeForce GTX 480. 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.

CNN committee (traffic sign)— 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.

CNN committee (traffic sign)— is het open-source?

Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.

CNN committee (traffic sign)— hoeveel parameters heeft het?

Het heeft een parameter telling van 1.4M. Parameters L1: 3*3*3*100=2700 L3: 100*4*4*150=240000 L5: 150*3*3*250=337500 L7: 250*4*4*200=800000 L8: 200*43=8600 Total: 2700+240000+337500+800000+8600=1388800. 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.

CNN committee (traffic sign)— wie heeft het gemaakt?

Het werd gepubliceerd door IDSIA, gebaseerd op Switzerland, een organisatie geclassificeerd als academia.

CNN committee (traffic sign)— wanneer is het uitgebracht?

Het werd gepubliceerd in October 2011. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.

Bron

Originele publicatie

Laatste update geregistreerd 11 February 2026

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.

Alle AI-modellen