TCN (P-MNIST)
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Carnegie Mellon University (CMU),Intel Labs
- Typ organizacji
- Academia,Industry
- Kraj
- United States of America
- Opublikowany
- 15 February 2018
- Autorzy
- Shaojie Bai, J. Zico Kolter, Vladlen Koltun
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Vision
- Zadanie
- Image classification, Digit recognition
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 42K
- Dane treningowe
- 60,000 tokens
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- SOTA improvement
- Zapisz pewność
- Confident
- Cytaty
- 6,496
"For the permuted sequential MNIST, TCNs outperform state of the art results using recurrent nets (95.9%) with Zoneout+Recurrent BatchNorm (Cooijmans et al., 2016; Krueger et al., 2017), a highly optimized method for regularizing RNNs"
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Convolutional Sequence Modeling Revisited
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Co to jest model?
TCN (P-MNIST) został opublikowany przez Carnegie Mellon University (CMU),Intel Labs, w kraju zapisanym jako United States of America, podczas February 2018. Wychodzi z organizacji zaklasyfikowanej jako academia,Industry.
Działa w dziedzinie Vision, i jest zapisany jako wykonujący zadanie image classification, Digit recognition.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Szkolenie i pochodzenie
Został wytrenowany na korpusie około 60,000 Tokeny tekstu.
Kryterium włączenia: sOTA improvement.
Odpowiedzi
TCN (P-MNIST) — częste pytania
TCN (P-MNIST)— do czego to służy?
Działa w dziedzinie Vision, i jest zarejestrowany jako realizujący zadanie image classification, Digit recognition. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
TCN (P-MNIST)— Jaką GPU potrzebuję, aby ją uruchomić?
Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.
TCN (P-MNIST)— czy jest open weight?
Licencja nigdy nie została zarejestrowana w naszych danych źródłowych. Traktujemy niewskazaną licencję jako zamkniętą, ponieważ niezarejestrowana licencja nie jest na którą można polegać.
TCN (P-MNIST)— ile ma parametrów?
Ma liczbę parametrów równą 42K. Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.
TCN (P-MNIST)— kto to stworzył?
Zostało opublikowane przez Carnegie Mellon University (CMU),Intel Labs, oparty na United States of America, organizacja sklasyfikowana jako academia,Industry.
TCN (P-MNIST)— kiedy to zostało wydane?
Zostało opublikowane w February 2018. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.