Semi-Supervised Embedding for DL
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
- Google,NUANCE Communications,IDIAP,University of Illinois Urbana-Champaign (UIUC)
- Organisatietype
- Industry,Industry,Academia,Academia
- Land
- United States of America, Switzerland
- Gepubliceerd
- 5 July 2008
- Auteurs
- Jason Weston, Frederick, Ratle, Hossein Mobahi, Ronan Collobert
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Other
- Taak
- Image classification, Language Structure Modeling, 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.
- Training gegevens
- 632,000,000 tokens
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
- Unknown
- Citaties
- 1,087
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Deep Learning via Semi-Supervised Embedding
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Over dit model
Semi-Supervised Embedding for DL werd gepubliceerd door Google,NUANCE Communications,IDIAP,University of Illinois Urbana-Champaign (UIUC), in het land geregistreerd als United States of America, tijdens July 2008. De categorie waaronder de uitgever valt is industry,Industry,Academia,Academia.
Het werkt in het domein van Other, en wordt geregistreerd als het uitvoeren van de taak van image classification, Language Structure Modeling, Text classification.
De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.
Wat erin ging zitten om het te bouwen
Training verbruikte een corpus van ongeveer 632,000,000 tekstokens
Antwoorden
Semi-Supervised Embedding for DL — veelgestelde vragen
Semi-Supervised Embedding for DL— wie heeft het gemaakt?
Het werd gepubliceerd door Google,NUANCE Communications,IDIAP,University of Illinois Urbana-Champaign (UIUC), gebaseerd op United States of America, een organisatie geclassificeerd als industry,Industry,Academia,Academia.
Semi-Supervised Embedding for DL— wanneer is het uitgebracht?
Het werd gepubliceerd in July 2008. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Semi-Supervised Embedding for DL— waarvoor wordt het gebruikt?
Het werkt in het domein van Other, en wordt geregistreerd als het afhandelen van image classification, Language Structure Modeling, Text classification. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
Semi-Supervised Embedding for DL— 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.
Semi-Supervised Embedding for DL— 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.
Semi-Supervised Embedding for DL— hoeveel parameters heeft het?
Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.
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.