BP-DBN
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
- University of Toronto
- Organisatietype
- Academia
- Land
- Canada
- Gepubliceerd
- 1 January 2009
- Auteurs
- Abdel-rahman Mohamed, George Dahl, and Geoffrey Hinton
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Speech
- Taak
- Speech recognition (ASR)
- 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
- 18M
- Training gegevens
- tokens
429*2048+2048*2048*4+2048*183=18030592 Table 2: largest model has 5 layers of 2048 into 183 softmax, 429 input
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- NVIDIA Tesla S1070
- Gebruikte chips
- 1
- Stroomverbruik
- 984 W
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
- Confident
"On the standard TIMIT corpus, DBNs consistently outperform other techniques and the best DBN achieves a phone error rate (PER) of 23.0% on the TIMIT core test set."
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Deep Belief Networks for phone recognition
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Over dit model
BP-DBN werd gepubliceerd door University of Toronto, in het land geregistreerd als Canada, tijdens January 2009. De categorie waaronder de uitgever valt is academia.
Het werkt in het domein van Speech, en wordt geregistreerd als het uitvoeren van de taak van speech recognition (ASR).
Omdat de weights niet beschikbaar zijn, zijn geen van de hardwarefiguren elders op deze site van toepassing op het.
Training en herkomst
Het wordt gevolgd in de onderliggende dataset om één specifieke reden: historical significance,SOTA improvement.
Antwoorden
BP-DBN — veelgestelde vragen
BP-DBN— wie heeft het gemaakt?
Het werd gepubliceerd door University of Toronto, gebaseerd op Canada, een organisatie geclassificeerd als academia.
BP-DBN— wanneer is het uitgebracht?
Het werd gepubliceerd in January 2009. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
BP-DBN— waarvoor wordt het gebruikt?
Het werkt in het domein van Speech, en wordt geregistreerd als het afhandelen van speech recognition (ASR). Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
BP-DBN— 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.
BP-DBN— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
BP-DBN— hoeveel parameters heeft het?
Het heeft een parameter telling van 18M. 429*2048+2048*2048*4+2048*183=18030592 Table 2: largest model has 5 layers of 2048 into 183 softmax, 429 input. 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.
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.