High Performance CNN (NORB)
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
- IDSIA,SUPSI
- Organisatietype
- Academia,Academia
- Land
- Switzerland
- Gepubliceerd
- 16 July 2011
- Auteurs
- Dan C. Ciresan, Ueli Meier, Jonathan Masci, Luca M. Gambardella, Jürgen 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
- 4.9M
- Training gegevens
- 50,000 tokens
- Epochs
- 7
L1: 6*300*6*6=64800 L3: 500*600*4*4=4800000 L5: (108/4)*500=13500 Total: 64800+4800000+13500=4878300
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
- 2.6 × 10¹⁶ FLOP
- Hoe het werd opgericht
- Hardware
7 epochs, 35 min per epoch 2 GTX 480 + 2 GTX 580 580 FLOP: 1580000000000 480 FLOP: 1345000000000 FLOP: 7*35*60*(2*1580000000000+2*1345000000000)*0.3=25798500000000000=2.6e16
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 480,NVIDIA GeForce GTX 580
- Gebruikte chips
- 4
- Kloktijd
- 4 hours
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
- Flexible, High Performance Convolutional Neural Networks for Image Classification
- Laatst bijgewerkt
- 11 February 2026
Wat de cijfers betekenen
Waar het vandaan kwam
High Performance CNN (NORB) werd gepubliceerd door IDSIA,SUPSI, in het land geregistreerd als Switzerland, tijdens July 2011. De publicerende organisatie is geclassificeerd als academia,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.
Training en herkomst
Training kostte een rekensbudget van ongeveer 2.6 × 10¹⁶ FLOP, op hardware vastgelegd als NVIDIA GeForce GTX 480,NVIDIA GeForce GTX 580. 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 50,000 tekstokens
De inclusiecriteria: historical significance,SOTA improvement.
Antwoorden
High Performance CNN (NORB) — veelgestelde vragen
High Performance CNN (NORB)— 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.
High Performance CNN (NORB)— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
High Performance CNN (NORB)— hoeveel parameters heeft het?
Het heeft een parameter telling van 4.9M. L1: 6*300*6*6=64800 L3: 500*600*4*4=4800000 L5: (108/4)*500=13500 Total: 64800+4800000+13500=4878300. 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.
High Performance CNN (NORB)— wie heeft het gemaakt?
Het werd gepubliceerd door IDSIA,SUPSI, gebaseerd op Switzerland, een organisatie geclassificeerd als academia,Academia.
High Performance CNN (NORB)— wanneer is het uitgebracht?
Het werd gepubliceerd in July 2011. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
High Performance CNN (NORB)— 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.
High Performance CNN (NORB)— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 2.6 × 10¹⁶ FLOP, op hardware vastgelegd als NVIDIA GeForce GTX 480,NVIDIA GeForce GTX 580. 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.