Bayesian automated hyperparameter tuning
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,University of Sherbrooke,Harvard University
- Typ organizacji
- Academia,Academia,Academia
- Kraj
- Canada, United States of America
- Opublikowany
- 2 December 2012
- Autorzy
- J Snoek, H Larochelle, RP Adams
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Other
- Zadanie
- Mathematical simulation
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Dane treningowe
- 50,000 tokens
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- Highly cited
- Zapisz pewność
- Unknown
- Cytaty
- 9,316
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Practical Bayesian optimization of machine learning algorithms
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Co to jest model?
Bayesian automated hyperparameter tuning został opublikowany przez University of Toronto,University of Sherbrooke,Harvard University, w kraju zapisanym jako Canada, podczas December 2012. Kategoria, do której należy wydawca, to academia,Academia,Academia.
Działa w dziedzinie Other, i jest zapisany jako wykonujący zadanie mathematical simulation.
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Jak to zostało wytrenowane
Zbiór treningowy trwał około 50,000 Tokeny tekstu.
Jest śledzone w podstawowym zbiorze danych z jednego szczególnego powodu: highly cited.
Odpowiedzi
Bayesian automated hyperparameter tuning — częste pytania
Bayesian automated hyperparameter tuning— kiedy to zostało wydane?
Zostało opublikowane w December 2012. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Bayesian automated hyperparameter tuning— do czego to służy?
Działa w dziedzinie Other, i jest zarejestrowany jako realizujący zadanie mathematical simulation. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
Bayesian automated hyperparameter tuning— 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.
Bayesian automated hyperparameter tuning— 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.
Bayesian automated hyperparameter tuning— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
Bayesian automated hyperparameter tuning— kto to stworzył?
Zostało opublikowane przez University of Toronto,University of Sherbrooke,Harvard University, oparty na Canada, organizacja sklasyfikowana jako academia,Academia,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.