LeNet-5
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
- AT&T
- Organisatietype
- Industry
- Land
- United States of America
- Gepubliceerd
- 1 November 1998
- Auteurs
- Yann LeCun, Léon Bottou, Yoshua Bengio, Patrick Haffner
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Vision
- Taak
- Character recognition (OCR)
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
- 60K
- Training gegevens
- 60,000 tokens
"[LeNet5] contains 390408 connections, but only 60000 trainable free parameters because of the weight sharing"
The MNIST database contains 60,000 training images and 10,000 testing images (Wikipedia)
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
- 2.8 × 10¹² FLOP
- Hoe het werd opgericht
- Operation counting
"[LeNet5] contains 390408 connections" = multiply-adds MNIST - 60,000 data points 20 epochs 390408*60000*6*20=2.810938e+12
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,Highly cited
- Record vertrouwen
- Confident
- Citaties
- 57,900
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Gradient-based Learning Applied to Document Recognition
- Laatst bijgewerkt
- 1 January 2026
Wat de cijfers betekenen
Over dit model
LeNet-5 werd gepubliceerd door AT&T, in het land geregistreerd als United States of America, tijdens November 1998. De publicerende organisatie is geclassificeerd als industry.
Het werkt in het domein van Vision, en wordt geregistreerd als het uitvoeren van de taak van character recognition (OCR).
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
De training run verbruikte ongeveer 2.8 × 10¹² 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 60,000 tekstokens
De inclusiecriteria: historical significance,Highly cited.
Antwoorden
LeNet-5 — veelgestelde vragen
LeNet-5— 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.
LeNet-5— hoeveel parameters heeft het?
Het heeft een parameter telling van 60K. "[LeNet5] contains 390408 connections, but only 60000 trainable free parameters because of the weight sharing". 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.
LeNet-5— wie heeft het gemaakt?
Het werd gepubliceerd door AT&T, gebaseerd op United States of America, een organisatie geclassificeerd als industry.
LeNet-5— wanneer is het uitgebracht?
Het werd gepubliceerd in November 1998. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
LeNet-5— waarvoor wordt het gebruikt?
Het werkt in het domein van Vision, en wordt geregistreerd als het afhandelen van character recognition (OCR). 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.
LeNet-5— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 2.8 × 10¹² 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.
LeNet-5— 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.
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.