Zip CNN
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,Bell Laboratories
- Organisatietype
- Industry,Industry
- Land
- United States of America
- Gepubliceerd
- 1 December 1989
- Auteurs
- Y. LeCun B. Boser J. S. Denker D. Henderson R. E. Howard W. Hubbard L. D. Jackel
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
- 9.8K
- Training gegevens
- 7,291 tokens
"In summary, the network has 1256 units, 64,660 connections, and 9760 independent parameters"
The digits were written by many different people, using a great variety of sizes, writing styles, and instruments, with widely varying amounts of care; 7291 examples are used for training the network and 2007 are used for testing the generalization performance
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
- 1.5 × 10¹² FLOP
- Hoe het werd opgericht
- Operation counting
Its a deep CNN so we assume a backward-forward ratio of 2:1 2*64660*3*23*167693=1496338054440 "The network was trained for 23 passes through the training set (167,693 pattern presentations)."
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
- Highly cited
- Record vertrouwen
- Confident
- Citaties
- 11,725
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Backpropagation applied to handwritten zip code recognition
- Laatst bijgewerkt
- 1 January 2026
Wat de cijfers betekenen
Waar het vandaan kwam
Zip CNN werd gepubliceerd door AT&T,Bell Laboratories, in het land geregistreerd als United States of America, tijdens December 1989. De publicerende organisatie is geclassificeerd als industry,Industry.
Het werkt in het domein van Vision, en wordt geregistreerd als het uitvoeren van de taak van character recognition (OCR).
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
De training run verbruikte ongeveer 1.5 × 10¹² FLOP. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Het is getraind op een corpus van ongeveer 7,291 tekstokens
De reden dat het überhaupt in deze catalogus verschijnt: highly cited.
Antwoorden
Zip CNN — veelgestelde vragen
Zip CNN— 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.
Zip CNN— 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.
Zip CNN— hoeveel parameters heeft het?
Het heeft een parameter telling van 9.8K. "In summary, the network has 1256 units, 64,660 connections, and 9760 independent parameters". 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.
Zip CNN— wie heeft het gemaakt?
Het werd gepubliceerd door AT&T,Bell Laboratories, gebaseerd op United States of America, een organisatie geclassificeerd als industry,Industry.
Zip CNN— wanneer is het uitgebracht?
Het werd gepubliceerd in December 1989. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Zip CNN— waarvoor wordt het gebruikt?
Het werkt in het domein van Vision, en wordt geregistreerd als het afhandelen van character recognition (OCR). Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
Zip CNN— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 1.5 × 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.
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.