LMICA
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.
- Opublikowany
- 1 December 2004
- Autorzy
- Yoshitatsu Matsuda, K. Yamaguchi
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Vision
- Zadanie
- Object 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
- 4.1M
- Dane treningowe
- 100,000 tokens
64*64*1000=4096000 "100000 samples of natural scenes of 64 × 64 pixels were given as X" "LMICA was carried out in 1000 layers"
"100000 samples of natural scenes of 64 × 64 pixels were given as X"
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
- 2.8 × 10¹⁵ FLOP
- Jak to zostało ustalone
- Hardware
69*60*60*8*2800000000*0.5=2782080000000000=2.78e15 "it consumed about 69 hours with Intel 2.8GHz CPU" - Assuming they used an Intel Pentium 4 processor with 8 FLOP/cycle (https://en.wikipedia.org/wiki/FLOPS)
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Model Frontier
- Yes
- Dlaczego to jest śledzone
- Training cost,Historical significance
- Zapisz pewność
- Confident
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Linear Multilayer Independent Component Analysis for Large Natural Scenes
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
O tym modelu
LMICA został opublikowany przez its authors, podczas December 2004.
Działa w dziedzinie Vision, i jest zapisany jako wykonujący zadanie object detection.
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 2.8 × 10¹⁵ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Trening zużył korpus około 100,000 Tokeny tekstu.
Powód, dla którego w ogóle pojawia się w tym katalogu: training cost,Historical significance.
Odpowiedzi
LMICA — częste pytania
LMICA— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 2.8 × 10¹⁵ 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.
LMICA— 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.
LMICA— 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.
LMICA— ile ma parametrów?
Ma liczbę parametrów równą 4.1M. 64*64*1000=4096000 "100000 samples of natural scenes of 64 × 64 pixels were given as X" "LMICA was carried out in 1000 layers". 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.
LMICA— kiedy to zostało wydane?
Zostało opublikowane w December 2004. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
LMICA— do czego to służy?
Działa w dziedzinie Vision, i jest zarejestrowany jako realizujący zadanie object detection. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
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.