Fractional Max-Pooling
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
- University of Warwick
- Typ organizacji
- Academia
- Kraj
- United Kingdom of Great Britain and Northern Ireland
- Opublikowany
- 18 December 2014
- Autorzy
- Benjamin Graham
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Vision
- Zadanie
- Image classification
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 27M
- Dane treningowe
- 901,200 tokens
- Epoki
- 250
27M weights in largest CIFAR-100 model
Obliczenia treningowe
Arytmetyka wykonywana w celu wytrenowania modelu, mierzona w operacjach zmiennoprzecinkowych. Jest to miara kosztów przeprowadzenia treningu, a nie tego, jak szybko gotowy model odpowiada na twoje pytania.
- Obliczenia treningowe
- 1 × 10¹⁷ FLOP
- Jak to zostało ustalone
- Hardware
For the 12M param model, training required "18 hours on a GeForce GTX 780". So would be somewhat larger for 27M. 4 TFLOPS * 18 * 3600 * 0.4 = 1e17
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA GeForce GTX 780
- Czas rzeczywisty
- 18 hours
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
- Likely
- Cytaty
- 672
"for instance, we improve on the state-of-the art for CIFAR-100 without even using dropout."
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Fractional Max-Pooling
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Skąd to pochodzi
Fractional Max-Pooling został opublikowany przez University of Warwick, w kraju zapisanym jako United Kingdom of Great Britain and Northern Ireland, podczas December 2014. Organizacja publikująca jest klasyfikowana jako academia.
Działa w dziedzinie Vision, i jest zapisany jako wykonujący zadanie image classification.
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Co poszło w budowę tego
Trening zajmował około 1 × 10¹⁷ FLOP, na sprzęcie zarejestrowanym jako NVIDIA GeForce GTX 780. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Zbiór treningowy trwał około 901,200 Tokeny tekstu.
Jest śledzone w podstawowym zbiorze danych z jednego szczególnego powodu: sOTA improvement.
Odpowiedzi
Fractional Max-Pooling — częste pytania
Fractional Max-Pooling— 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.
Fractional Max-Pooling— ile ma parametrów?
Ma liczbę parametrów równą 27M. 27M weights in largest CIFAR-100 model. 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.
Fractional Max-Pooling— kto to stworzył?
Zostało opublikowane przez University of Warwick, oparty na United Kingdom of Great Britain and Northern Ireland, organizacja sklasyfikowana jako academia.
Fractional Max-Pooling— kiedy to zostało wydane?
Zostało opublikowane w December 2014. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Fractional Max-Pooling— do czego to służy?
Działa w dziedzinie Vision, i jest zarejestrowany jako realizujący zadanie image classification. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
Fractional Max-Pooling— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 1 × 10¹⁷ FLOP, na sprzęcie zarejestrowanym jako NVIDIA GeForce GTX 780. To mierzy, ile kosztowało wyprodukowanie modelu i nie mówi nic o tym, jak szybko odpowiada po wytrenowaniu — prędkość wnioskowania pochodzi z SZEROKOŚCI PASMA, a nie z budżetu treningowego.
Fractional Max-Pooling— 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.
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.