MatrixFac for Recommenders
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
- Yahoo Research,AT&T
- Typ organizacji
- Industry,Industry
- Kraj
- United States of America
- Opublikowany
- 7 August 2009
- Autorzy
- Yehuda Koren, Robert Bell, and Chris Volinsky
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Recommendation
- Zadanie
- Recommender system
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
- 100,480,507 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
- Cytaty
- 9,234
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Matrix factorization techniques for recommender systems
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Skąd to pochodzi
MatrixFac for Recommenders został opublikowany przez Yahoo Research,AT&T, w kraju zapisanym jako United States of America, podczas August 2009. Wychodzi z organizacji zaklasyfikowanej jako industry,Industry.
Działa w dziedzinie Recommendation, i jest zapisany jako wykonujący zadanie recommender system.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Co poszło w budowę tego
Trening zużył korpus około 100,480,507 Tokeny tekstu.
Kryterium włączenia: highly cited.
Odpowiedzi
MatrixFac for Recommenders — częste pytania
MatrixFac for Recommenders— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
MatrixFac for Recommenders— kto to stworzył?
Zostało opublikowane przez Yahoo Research,AT&T, oparty na United States of America, organizacja sklasyfikowana jako industry,Industry.
MatrixFac for Recommenders— 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.
MatrixFac for Recommenders— do czego to służy?
Działa w dziedzinie Recommendation, i jest zarejestrowany jako realizujący zadanie recommender system. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
MatrixFac for Recommenders— 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.
MatrixFac for Recommenders— 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.
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.