ANN Eye Tracker
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.
- Gepubliceerd
- 29 November 1993
- Auteurs
- S. Baluja, D. Pomerleau
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Vision
- Taak
- Miscellaneous image analysis
- Aanpak
- Supervised
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
- 5.6K
- Training gegevens
- 4,000 tokens
- Epochs
- 260
15*15*20+20+50*10*2+100=5620 Hidden layer is split, 15*15 image input, 2*50 output neurons (see Figure 2) Hidden size up to 20 neurons ("This architecture was used with varying numbers of hidden units in the single, divided, hidden layer; experiments with 10, 16 and 20 hidden units were performed. ")
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
- 1.8 × 10¹⁰ FLOP
- Hoe het werd opgericht
- Operation counting
2*5620*3*520000=17534400000 Training examples: 2000*260=520000 "As mentioned before, 2000 image/position pairs were gathered for training" "All of the networks described in this paper are trained with the same parameters for 260 epochs"
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Kloktijd
- 1 hours
"Training the 8x2 hidden layer network using the 15x40 input retina, with 2000 images, takes approximately 30-40 minutes on a Sun SPARC 10 machine. "
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
- Historical significance
- Record vertrouwen
- Confident
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Non-Intrusive Gaze Tracking Using Artificial Neural Networks
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Over dit model
ANN Eye Tracker werd gepubliceerd door its authors, tijdens November 1993.
Het werkt in het domein van Vision, en wordt geregistreerd als het uitvoeren van de taak van miscellaneous image analysis.
Omdat de weights niet beschikbaar zijn, zijn geen van de hardwarefiguren elders op deze site van toepassing op het.
Hoe het getraind werd
Training kostte een rekensbudget van ongeveer 1.8 × 10¹⁰ FLOP. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
De trainingsset liep naar ongeveer 4,000 tekstokens
De reden dat het überhaupt in deze catalogus verschijnt: historical significance.
Antwoorden
ANN Eye Tracker — veelgestelde vragen
ANN Eye Tracker— 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.
ANN Eye Tracker— hoeveel parameters heeft het?
Het heeft een parameter telling van 5.6K. 15*15*20+20+50*10*2+100=5620 Hidden layer is split, 15*15 image input, 2*50 output neurons (see Figure 2) Hidden size up to 20 neurons ("This architecture was used with varying numbers of hidden units in the single, divided, hidden layer; experiments with 10, 16 and 20 hidden units were performed. "). 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.
ANN Eye Tracker— wanneer is het uitgebracht?
Het werd gepubliceerd in November 1993. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
ANN Eye Tracker— waarvoor wordt het gebruikt?
Het werkt in het domein van Vision, en wordt geregistreerd als het afhandelen van miscellaneous image analysis. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
ANN Eye Tracker— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 1.8 × 10¹⁰ 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.
ANN Eye Tracker— 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.