BLSTM for handwriting (1)

Gesloten gewichten University of Bern,IDSIA,Technical University of Munich September 2007

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 Bern,IDSIA,Technical University of Munich
Organisatietype
Academia,Academia,Academia
Land
Switzerland, Germany
Gepubliceerd
23 September 2007
Auteurs
M Liwicki, A Graves, S Fernàndez

Wat het doet

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

Domein
Vision
Taak
Character recognition (OCR), Image 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
405,478 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.

Waarom het wordt gevolgd
SOTA improvement
Record vertrouwen
Unknown
Citaties
287

Bronnen

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

Referentie
A Novel Approach to On-Line Handwriting Recognition Based on Bidirectional Long Short-Term Memory Networks
Laatst bijgewerkt
11 February 2026

Wat de cijfers betekenen

Over dit model

BLSTM for handwriting (1) werd gepubliceerd door University of Bern,IDSIA,Technical University of Munich, in het land geregistreerd als Switzerland, tijdens September 2007. De categorie waaronder de uitgever valt is academia,Academia,Academia.

Het werkt in het domein van Vision, en wordt geregistreerd als het uitvoeren van de taak van character recognition (OCR), Image classification.

De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.

Hoe het getraind werd

De trainingsset liep naar ongeveer 405,478 tekstokens

De inclusiecriteria: sOTA improvement.

Antwoorden

BLSTM for handwriting (1) — veelgestelde vragen

01

BLSTM for handwriting (1)— hoeveel parameters heeft het?

Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.

02

BLSTM for handwriting (1)— wie heeft het gemaakt?

Het werd gepubliceerd door University of Bern,IDSIA,Technical University of Munich, gebaseerd op Switzerland, een organisatie geclassificeerd als academia,Academia,Academia.

03

BLSTM for handwriting (1)— wanneer is het uitgebracht?

Het werd gepubliceerd in September 2007. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.

04

BLSTM for handwriting (1)— waarvoor wordt het gebruikt?

Het werkt in het domein van Vision, en wordt geregistreerd als het afhandelen van character recognition (OCR), Image classification. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.

05

BLSTM for handwriting (1)— 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.

06

BLSTM for handwriting (1)— 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.

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.