ConvNet Processor
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
- Courant Institute of Mathematical Sciences
- Typ organizacji
- Academia
- Kraj
- United States of America
- Opublikowany
- 31 August 2009
- Autorzy
- Clément Farabet, Cyril Poulet, Jefferson Y Han, Yann LeCun
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Vision
- Zadanie
- Face detection
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 14.4K
- Dane treningowe
- 30,000 tokens
- Epoki
- 5
C1: 6x7x7 C3: 61x7x7 C5: 305x6x6 F6: 80x2 Total = 14423
"The dataset contained 45,000 images from various sources, of which 30,000 were used for training, and 15,000 for testing"
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
- 3.1 × 10¹⁴ FLOP
- Jak to zostało ustalone
- Operation counting
(2*340 million) * 3 * 30000 * 5 "340 million connection network" operations per fwd pass ~= 2*340 million "With a fixed detection threshold, the system reaches a roughly 3% equal error rate on this dataset after only 5 training epochs through the training set."
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
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Likely
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- CNP: An FPGA-based processor for convolutional networks
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
O tym modelu
ConvNet Processor został opublikowany przez Courant Institute of Mathematical Sciences, w kraju zapisanym jako United States of America, podczas August 2009. Kategoria, do której należy wydawca, to academia.
Działa w dziedzinie Vision, i jest zapisany jako wykonujący zadanie face detection.
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Szkolenie i pochodzenie
Wytworzenie tego wymagało arytmetyki sumującej około 3.1 × 10¹⁴ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Został wytrenowany na korpusie około 30,000 Tokeny tekstu.
Odpowiedzi
ConvNet Processor — częste pytania
ConvNet Processor— ile ma parametrów?
Ma liczbę parametrów równą 14.4K. C1: 6x7x7 C3: 61x7x7 C5: 305x6x6 F6: 80x2 Total = 14423. 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.
ConvNet Processor— kto to stworzył?
Zostało opublikowane przez Courant Institute of Mathematical Sciences, oparty na United States of America, organizacja sklasyfikowana jako academia.
ConvNet Processor— kiedy to zostało wydane?
Zostało opublikowane w August 2009. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
ConvNet Processor— do czego to służy?
Działa w dziedzinie Vision, i jest zarejestrowany jako realizujący zadanie face detection. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
ConvNet Processor— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 3.1 × 10¹⁴ 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.
ConvNet Processor— 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.
ConvNet Processor— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
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.