PoE MNIST
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 College London (UCL)
- Organisatietype
- Academia
- Land
- United Kingdom of Great Britain and Northern Ireland
- Gepubliceerd
- 28 November 2000
- Auteurs
- Guy Mayraz, Geoffrey E. Hinton
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Vision
- Taak
- Digit recognition
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
- 3.9M
- Training gegevens
- 54,000 tokens
- Epochs
- 500
10 models, one for each digit. Largest models: 500 epochs, 500 hidden units (Table 2) "The largest network was the best, even though each digit model contains 392,500 parameters trained on only 4,400 images" "the classification network had 30 inputs and therefore 300 weights and 10 output biases." Total: 392500*10 + 310 = 3,925,310
Total training data size is 60000 but the subnetworks were trained on smaller subsets.
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
- 5.2 × 10¹³ FLOP
- Hoe het werd opgericht
- Operation counting
Each model was trained on 4400 examples: "The largest network was the best, even though each digit model contains 392,500 parameters trained on only 4,400 images." Table 2, largest network trained 500 epochs. 10 * 6 * 392500 * 4400 * 500 = 51,810,000,000,000
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.
- Grensmodel
- Yes
- Waarom het wordt gevolgd
- Historical significance
- Record vertrouwen
- Confident
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Recognizing Hand-written Digits Using Hierarchical Products of Experts
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Wat dit model is
PoE MNIST werd gepubliceerd door University College London (UCL), in het land geregistreerd als United Kingdom of Great Britain and Northern Ireland, tijdens November 2000. De categorie waaronder de uitgever valt is academia.
Het werkt in het domein van Vision, en wordt geregistreerd als het uitvoeren van de taak van digit recognition.
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.
Wat erin ging zitten om het te bouwen
Training kostte een rekensbudget van ongeveer 5.2 × 10¹³ FLOP. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Training verbruikte een corpus van ongeveer 54,000 tekstokens
De inclusiecriteria: historical significance.
Antwoorden
PoE MNIST — veelgestelde vragen
PoE MNIST— 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.
PoE MNIST— 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.
PoE MNIST— hoeveel parameters heeft het?
Het heeft een parameter telling van 3.9M. 10 models, one for each digit. Largest models: 500 epochs, 500 hidden units (Table 2) "The largest network was the best, even though each digit model contains 392,500 parameters trained on only 4,400 images" "the classification network had 30 inputs and therefore 300 weights and 10 output biases." Total: 392500*10 + 310 = 3,925,310. 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.
PoE MNIST— wie heeft het gemaakt?
Het werd gepubliceerd door University College London (UCL), gebaseerd op United Kingdom of Great Britain and Northern Ireland, een organisatie geclassificeerd als academia.
PoE MNIST— wanneer is het uitgebracht?
Het werd gepubliceerd in November 2000. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
PoE MNIST— waarvoor wordt het gebruikt?
Het werkt in het domein van Vision, en wordt geregistreerd als het afhandelen van digit recognition. 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.
PoE MNIST— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 5.2 × 10¹³ FLOP. 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.