DBLSTM
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 Toronto
- Typ organizacji
- Academia
- Kraj
- Canada
- Opublikowany
- 8 December 2013
- Autorzy
- A Graves, N Jaitly, A Mohamed
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Speech
- Zadanie
- Speech recognition (ASR)
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 29.9M
- Dane treningowe
- 5,040,000 tokens
"The DBLSTM network had five bidirectional hidden levels, with 500 LSTM cells in each of the forward and backward layers, and a size 3385 softmax output layer, giving a total of 29.9M weights."
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Cytaty
- 1,597
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Hybrid speech recognition with Deep Bidirectional LSTM
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Tło
DBLSTM został opublikowany przez University of Toronto, w kraju zapisanym jako Canada, podczas December 2013. Organizacja publikująca jest klasyfikowana jako academia.
Działa w dziedzinie Speech, i jest zapisany jako wykonujący zadanie speech recognition (ASR).
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Co poszło w budowę tego
Został wytrenowany na korpusie około 5,040,000 Tokeny tekstu.
Odpowiedzi
DBLSTM — częste pytania
DBLSTM— kiedy to zostało wydane?
Zostało opublikowane w December 2013. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
DBLSTM— do czego to służy?
Działa w dziedzinie Speech, i jest zarejestrowany jako realizujący zadanie speech recognition (ASR). Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
DBLSTM— 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.
DBLSTM— 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.
DBLSTM— ile ma parametrów?
Ma liczbę parametrów równą 29.9M. "The DBLSTM network had five bidirectional hidden levels, with 500 LSTM cells in each of the forward and backward layers, and a size 3385 softmax output layer, giving a total of 29.9M weights.". 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.
DBLSTM— kto to stworzył?
Zostało opublikowane przez University of Toronto, oparty na Canada, organizacja sklasyfikowana jako academia.
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.