TFE SVM
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
- Centre de Recherche en Automatique de Nancy (CRAN),CENPARMI
- Typ organizacji
- Academia,Academia
- Kraj
- France, Canada
- Opublikowany
- 2 February 2006
- Autorzy
- Fabian Lauer, Ching Y Suen, Gerard Bloch
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Vision
- Zadanie
- Digit recognition
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
- 600,000 tokens
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
- Zapisz pewność
- Unknown
- Cytaty
- 365
best at affine-transformed digits in table 4
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- A trainable feature extractor for handwritten digit recognition
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Co to jest model?
TFE SVM został opublikowany przez Centre de Recherche en Automatique de Nancy (CRAN),CENPARMI, w kraju zapisanym jako France, podczas February 2006. Organizacja publikująca jest klasyfikowana jako academia,Academia.
Działa w dziedzinie Vision, i jest zapisany jako wykonujący zadanie digit recognition.
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 600,000 Tokeny tekstu.
Powód, dla którego w ogóle pojawia się w tym katalogu: sOTA improvement.
Odpowiedzi
TFE SVM — częste pytania
TFE SVM— kto to stworzył?
Zostało opublikowane przez Centre de Recherche en Automatique de Nancy (CRAN),CENPARMI, oparty na France, organizacja sklasyfikowana jako academia,Academia.
TFE SVM— kiedy to zostało wydane?
Zostało opublikowane w February 2006. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
TFE SVM— do czego to służy?
Działa w dziedzinie Vision, i jest zarejestrowany jako realizujący zadanie digit recognition. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
TFE SVM— 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.
TFE SVM— 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.
TFE SVM— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
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.