MCDNN (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
- IDSIA,SUPSI
- Typ organizacji
- Academia,Academia
- Kraj
- Switzerland
- Opublikowany
- 13 February 2012
- Autorzy
- Dan Cireşan, Ueli Meier, Juergen Schmidhuber
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Vision
- Zadanie
- Character recognition (OCR), 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
- 2.7M
- Dane treningowe
- 2,100,000 tokens
- Epoki
- 800
"We train five DNN columns per normalization, resulting in a total of 35 columns for the entire MCDNN. [Each DNN has an architecture] 1x29x29-20C4-MP2-40C5-MP3-150N-10N DNN" Parameter calculation: 20*4*4+20*40*5*5+150*40*3*3+10*150=75820 35*75820=2653700
The MNIST database contains 60,000 training images and 10,000 testing images (Wikipedia)
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
- 1.6 × 10¹⁶ FLOP
- Jak to zostało ustalone
- Operation counting
Num of multiply-adds per forward pass 2 FLOPs/mult-add 3 (fp+bp FLOPs / fp FLOPs) 800 epochs 60.000 training size 35 networks "Training a DNN takes almost 14 hours and after 500 training epochs little additional improvement is observed" 500*60000*3*174147400=1.57e+16
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.
- Wagi
- Closed — provider access only
- Dostęp do modelu
- Unreleased
- Kod treningowy
- Unreleased
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Likely
- Cytaty
- 4,828
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Multi-column Deep Neural Networks for Image Classification
- Ostatnio zaktualizowane
- 11 February 2026
Co oznaczają liczby
Tło
MCDNN (MNIST) został opublikowany przez IDSIA,SUPSI, w kraju zapisanym jako Switzerland, podczas February 2012. Wychodzi z organizacji zaklasyfikowanej jako academia,Academia.
Działa w dziedzinie Vision, i jest zapisany jako wykonujący zadanie character recognition (OCR), Image classification.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Jak to zostało wytrenowane
Wytworzenie tego wymagało arytmetyki sumującej około 1.6 × 10¹⁶ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Trening zużył korpus około 2,100,000 Tokeny tekstu.
Odpowiedzi
MCDNN (MNIST) — częste pytania
MCDNN (MNIST)— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
MCDNN (MNIST)— ile ma parametrów?
Ma liczbę parametrów równą 2.7M. "We train five DNN columns per normalization, resulting in a total of 35 columns for the entire MCDNN. [Each DNN has an architecture] 1x29x29-20C4-MP2-40C5-MP3-150N-10N DNN" Parameter calculation: 20*4*4+20*40*5*5+150*40*3*3+10*150=75820 35*75820=2653700. 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.
MCDNN (MNIST)— kto to stworzył?
Zostało opublikowane przez IDSIA,SUPSI, oparty na Switzerland, organizacja sklasyfikowana jako academia,Academia.
MCDNN (MNIST)— kiedy to zostało wydane?
Zostało opublikowane w February 2012. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
MCDNN (MNIST)— do czego to służy?
Działa w dziedzinie Vision, i jest zarejestrowany jako realizujący zadanie character recognition (OCR), Image classification. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
MCDNN (MNIST)— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 1.6 × 10¹⁶ FLOP. 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.
MCDNN (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.
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.