node2vec
Brak szacunków
Brak wymagań sprzętowych dla tego modelu
Wagi tego modelu nie zostały opublikowane, dlatego nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny wyłącznie poprzez jego dostawcę, a żadna karta graficzna tego nie zmieni.
Na nagraniu
Pełna specyfikacja
Wszystko, co jest dostępne na temat tego modelu. Większość z tego opisuje, jak został wytrenowany, a nie jak działa — przydatny kontekst do oceny, ile pracy w to włożono i jak wypada na tle modeli zbudowanych na innym poziomie skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Stanford University
- Typ organizacji
- Academia
- Kraj
- United States of America
- Opublikowane
- 3 July 2016
- Autorzy
- Aditya Grover, Jure Leskovec
Co to robi
Obszary problemowe, dla których stworzono model. Model może zawierać kilka z każdej.
- Domena
- Mathematics
- Zadanie
- Pattern classification
Rozmiar
Jakiej wielkości jest model i na ile danych był szkolony. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Parametry
- 1.3M
- Dane treningowe
- tokens
If a graph has 10,000 nodes and the embeddings are 128-dimensional, then the total number of parameters would be: P=10,000×128=1,280,000
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim własnym sprzęcie, co decyduje, czy jakiekolwiek z danych dotyczących karty graficznej na tej stronie mają zastosowanie.
- Kod treningowy
- Open source
https://github.com/aditya-grover/node2vec MIT license
Jak jest klasyfikowane
Etykiety stosowane przez źródłowy zbiór danych podczas śledzenia znaczących modeli oraz jak pewny jest w danym wpisie.
- Zaufanie do nagrania
- Speculative
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- node2vec: Scalable Feature Learning for Networks
- Ostatnia aktualizacja
- 28 November 2025
Co oznaczają liczby
Background
node2vec was published by Stanford University, in United States of America, in July 2016. It comes out of academia.
It works in Mathematics, and is recorded as doing pattern classification.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żadna karta graficzna tego nie zmieni.
Odpowiedzi
node2vec — Często zadawane pytania
Who created node2vec?
node2vec was published by Stanford University, based in United States of America, categorised as academia.
When was node2vec released?
node2vec was published in July 2016. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is node2vec used for?
node2vec works in Mathematics, and is recorded as handling pattern classification. These are the areas it was designed around; they describe intent rather than a hard boundary.
What GPU do I need to run node2vec?
None. node2vec is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is node2vec open source?
The licensing for node2vec was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does node2vec have?
node2vec ma 1,3 miliona parametrów. Jeśli graf ma 10 000 węzłów, a osadzenia mają 128 wymiarów, to całkowita liczba parametrów wynosi: P=10 000×128=1 280 000. Ta liczba to całkowita kwota, a to ona decyduje o tym, ile pamięci potrzebuje model — około pół gigabajta na miliard przy kompresji, którą używa większość ludzi.
W innym kierunku
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, wszystko co będzie ona obsługiwać, Rozpocznij od sprzętu..