6-layer MLP (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,University of Lugano,SUPSI
- Typ organizacji
- Academia,Academia,Academia
- Kraj
- Switzerland
- Opublikowany
- 1 March 2010
- Autorzy
- Dan Claudiu Ciresan, Ueli Meier, Luca Maria Gambardella, Juergen Schmidhuber
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Vision
- Zadanie
- Character recognition (OCR)
- Format numeryczny
- FP32
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 12.1M
- Dane treningowe
- 60,000 tokens
Table 1
"MNIST consists of two datasets, one for training (60,000 images) and one for testing (10,000 images). Many studies divide the training set into two sets consisting of 50,000 images for training and 10,000 for validation. Our network is trained on slightly deformed images, continually generated in on-line fashion; hence we may use the whole un-deformed training set for validation, without wasting training images"
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
- 1.3 × 10¹⁴ FLOP
- Jak to zostało ustalone
- Operation counting
"Networks with up to 12 million weights can successfully be trained by plain gradient descent to achieve test errors below 1% after 20-30 epochs in less than 2 hours of training." 60k images in each MNIST epoch. Architecture-based estimate: 6 * 12.11M * 60k * 30 = 1.31e14 We can also get a rough hardware estimate. The authors use single precision, GTX280 gets 6.221e11 FLOPs in single precision. Training 30 epochs takes less than 2 hours, but on each epoch the training set is augmented in onli…
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 280,Intel Core 2 Quad Q9450
- Czas rzeczywisty
- 2 hours
"less than 2 hours of training"
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Likely
- Cytaty
- 1,264
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Deep Big Simple Neural Nets Excel on Handwritten Digit Recognition
- Ostatnio zaktualizowane
- 11 February 2026
Co oznaczają liczby
O tym modelu
6-layer MLP (MNIST) został opublikowany przez IDSIA,University of Lugano,SUPSI, w kraju zapisanym jako Switzerland, podczas March 2010. Kategoria, do której należy wydawca, to academia,Academia,Academia.
Działa w dziedzinie Vision, i jest zapisany jako wykonujący zadanie character recognition (OCR).
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Co poszło w budowę tego
Trenowanie zajęło budżet obliczeniowy wynoszący około 1.3 × 10¹⁴ FLOP, na sprzęcie zarejestrowanym jako NVIDIA GeForce GTX 280,Intel Core 2 Quad Q9450. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Trening zużył korpus około 60,000 Tokeny tekstu.
Odpowiedzi
6-layer MLP (MNIST) — częste pytania
6-layer MLP (MNIST)— 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.
6-layer MLP (MNIST)— ile ma parametrów?
Ma liczbę parametrów równą 12.1M. Table 1. 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.
6-layer MLP (MNIST)— kto to stworzył?
Zostało opublikowane przez IDSIA,University of Lugano,SUPSI, oparty na Switzerland, organizacja sklasyfikowana jako academia,Academia,Academia.
6-layer MLP (MNIST)— kiedy to zostało wydane?
Zostało opublikowane w March 2010. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
6-layer MLP (MNIST)— do czego to służy?
Działa w dziedzinie Vision, i jest zarejestrowany jako realizujący zadanie character recognition (OCR). To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
6-layer MLP (MNIST)— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 1.3 × 10¹⁴ FLOP, na sprzęcie zarejestrowanym jako NVIDIA GeForce GTX 280,Intel Core 2 Quad Q9450. 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.
6-layer MLP (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.