CTC-Trained LSTM
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,Technical University of Munich
- Organisatietype
- Academia,Academia
- Land
- Switzerland, Germany
- Gepubliceerd
- 25 June 2006
- Auteurs
- Alex Graves, Santiago Fernández, Faustino Gómez, Jürgen Schmidhuber
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Speech
- Taak
- Speech recognition (ASR)
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
- 114.7K
- Training gegevens
- tokens
"The hidden layers were fully connected to themselves and the output layer, and fully connected from the input layer. The input layer was size 26, the softmax output layer size 62 (61 phoneme categories plus the blank label), and the total number of weights was 114, 662." https://www.cs.toronto.edu/~graves/icml_2006.pdf
4162 utterances, guesstimated avg 10 words per utterance
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.
- Citaties
- 4,862
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Connectionist Temporal Classification: Labelling Unsegmented Sequence Data with Recurrent Neural Networks
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Achtergrond
CTC-Trained LSTM werd gepubliceerd door IDSIA,Technical University of Munich, in het land geregistreerd als Switzerland, tijdens June 2006. De publicerende organisatie is geclassificeerd als academia,Academia.
Het werkt in het domein van Speech, en wordt geregistreerd als het uitvoeren van de taak van speech recognition (ASR).
De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.
Antwoorden
CTC-Trained LSTM — veelgestelde vragen
CTC-Trained LSTM— 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.
CTC-Trained LSTM— 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.
CTC-Trained LSTM— hoeveel parameters heeft het?
Het heeft een parameter telling van 114.7K. "The hidden layers were fully connected to themselves and the output layer, and fully connected from the input layer. The input layer was size 26, the softmax output layer size 62 (61 phoneme categories plus the blank label), and the total number of weights was 114, 662." https://www.cs.toronto.edu/~graves/icml_2006.pdf. 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.
CTC-Trained LSTM— wie heeft het gemaakt?
Het werd gepubliceerd door IDSIA,Technical University of Munich, gebaseerd op Switzerland, een organisatie geclassificeerd als academia,Academia.
CTC-Trained LSTM— wanneer is het uitgebracht?
Het werd gepubliceerd in June 2006. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
CTC-Trained LSTM— waarvoor wordt het gebruikt?
Het werkt in het domein van Speech, en wordt geregistreerd als het afhandelen van speech recognition (ASR). Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
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.