BLSTM for handwriting (2)
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
- University of Bern,IDSIA,Technical University of Munich
- Typ organizacji
- Academia,Academia,Academia
- Kraj
- Switzerland, Germany
- Opublikowany
- 3 December 2007
- Autorzy
- Alex Graves, Marcus Liwicki, Horst Bunke, Jürgen Schmidhuber, Santiago Fernández
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Vision
- Zadanie
- Character recognition (OCR)
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 100.9K
- Dane treningowe
- 3,298,424 tokens
For the raw input representation, there were 4 input units and a total of 100,881 weights
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- SOTA improvement
- Cytaty
- 341
"In experiments on an unconstrained online database, we record excellent results using either raw or preprocessed data, well outperforming a state-of-the-art HMM based system in both cases."
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Unconstrained online handwriting recognition with recurrent neural networks
- Ostatnio zaktualizowane
- 11 February 2026
Co oznaczają liczby
O tym modelu
BLSTM for handwriting (2) został opublikowany przez University of Bern,IDSIA,Technical University of Munich, w kraju zapisanym jako Switzerland, podczas December 2007. Organizacja publikująca jest klasyfikowana jako academia,Academia,Academia.
Działa w dziedzinie Vision, i jest zapisany jako wykonujący zadanie character recognition (OCR).
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Co poszło w budowę tego
Trening zużył korpus około 3,298,424 Tokeny tekstu.
Jest śledzone w podstawowym zbiorze danych z jednego szczególnego powodu: sOTA improvement.
Odpowiedzi
BLSTM for handwriting (2) — częste pytania
BLSTM for handwriting (2)— kiedy to zostało wydane?
Zostało opublikowane w December 2007. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
BLSTM for handwriting (2)— 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.
BLSTM for handwriting (2)— 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.
BLSTM for handwriting (2)— 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.
BLSTM for handwriting (2)— ile ma parametrów?
Ma liczbę parametrów równą 100.9K. For the raw input representation, there were 4 input units and a total of 100,881 weights. 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.
BLSTM for handwriting (2)— kto to stworzył?
Zostało opublikowane przez University of Bern,IDSIA,Technical University of Munich, oparty na Switzerland, organizacja sklasyfikowana jako academia,Academia,Academia.
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.