CNN committee (traffic sign)
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
- Typ organizacji
- Academia
- Kraj
- Switzerland
- Opublikowany
- 3 October 2011
- Autorzy
- D. Ciresan, U. Meier, Jonathan Masci, J. Schmidhuber
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Vision
- Zadanie
- Image classification
- Podejście
- Supervised
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 1.4M
- Dane treningowe
- 53,280 tokens
- Epoki
- 50
Parameters L1: 3*3*3*100=2700 L3: 100*4*4*150=240000 L5: 150*3*3*250=337500 L7: 250*4*4*200=800000 L8: 200*43=8600 Total: 2700+240000+337500+800000+8600=1388800
[images] “The training set consists of 26640 images“ “we resize all images to 48 × 48 pixels”
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
- 9.9 × 10¹⁴ FLOP
- Jak to zostało ustalone
- Operation counting
Training FLOP L1: 3*3*3*46*46*100=5713200 L3: 100*4*4*20*20*150=96000000 L5: 150*3*3*8*8*250=21600000 L7: 250*4*4*200=800000 L8: 200*43=8600 Total: 2*(5713200+96000000+21600000+800000+8600)=248243600 Training Compute: 248243600*3*26640*50=991981425600000=9.9e14
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 580,NVIDIA GeForce GTX 480
- Zastosowane chipy
- 4
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.
- Dlaczego to jest śledzone
- Historical significance,SOTA improvement
- Zapisz pewność
- Likely
"We describe the approach that won the preliminary phase of the German traffic sign recognition benchmark with a better-than-human recognition rate of 98.98%.We obtain an even better recognition rate of 99.15% by further training the nets. "
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- A committee of neural networks for traffic sign classification
- Ostatnio zaktualizowane
- 11 February 2026
Co oznaczają liczby
Skąd to pochodzi
CNN committee (traffic sign) został opublikowany przez IDSIA, w kraju zapisanym jako Switzerland, podczas October 2011. Wychodzi z organizacji zaklasyfikowanej 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.
Szkolenie i pochodzenie
Trenowanie zajęło budżet obliczeniowy wynoszący około 9.9 × 10¹⁴ FLOP, na sprzęcie zarejestrowanym jako NVIDIA GeForce GTX 580,NVIDIA GeForce GTX 480. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Zbiór treningowy trwał około 53,280 Tokeny tekstu.
Powód, dla którego w ogóle pojawia się w tym katalogu: historical significance,SOTA improvement.
Odpowiedzi
CNN committee (traffic sign) — częste pytania
CNN committee (traffic sign)— do czego to służy?
Działa w dziedzinie Vision, i jest zarejestrowany jako realizujący zadanie image classification. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
CNN committee (traffic sign)— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 9.9 × 10¹⁴ FLOP, na sprzęcie zarejestrowanym jako NVIDIA GeForce GTX 580,NVIDIA GeForce GTX 480. 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.
CNN committee (traffic sign)— 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.
CNN committee (traffic sign)— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
CNN committee (traffic sign)— ile ma parametrów?
Ma liczbę parametrów równą 1.4M. Parameters L1: 3*3*3*100=2700 L3: 100*4*4*150=240000 L5: 150*3*3*250=337500 L7: 250*4*4*200=800000 L8: 200*43=8600 Total: 2700+240000+337500+800000+8600=1388800. 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.
CNN committee (traffic sign)— kto to stworzył?
Zostało opublikowane przez IDSIA, oparty na Switzerland, organizacja sklasyfikowana jako academia.
CNN committee (traffic sign)— kiedy to zostało wydane?
Zostało opublikowane w October 2011. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
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.