PoE MNIST
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 College London (UCL)
- Typ organizacji
- Academia
- Kraj
- United Kingdom of Great Britain and Northern Ireland
- Opublikowany
- 28 November 2000
- Autorzy
- Guy Mayraz, Geoffrey E. Hinton
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.
- parametry
- 3.9M
- Dane treningowe
- 54,000 tokens
- Epoki
- 500
10 models, one for each digit. Largest models: 500 epochs, 500 hidden units (Table 2) "The largest network was the best, even though each digit model contains 392,500 parameters trained on only 4,400 images" "the classification network had 30 inputs and therefore 300 weights and 10 output biases." Total: 392500*10 + 310 = 3,925,310
Total training data size is 60000 but the subnetworks were trained on smaller subsets.
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
- 5.2 × 10¹³ FLOP
- Jak to zostało ustalone
- Operation counting
Each model was trained on 4400 examples: "The largest network was the best, even though each digit model contains 392,500 parameters trained on only 4,400 images." Table 2, largest network trained 500 epochs. 10 * 6 * 392500 * 4400 * 500 = 51,810,000,000,000
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
- Historical significance
- Zapisz pewność
- Confident
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Recognizing Hand-written Digits Using Hierarchical Products of Experts
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Co to jest model?
PoE MNIST został opublikowany przez University College London (UCL), w kraju zapisanym jako United Kingdom of Great Britain and Northern Ireland, podczas November 2000. Kategoria, do której należy wydawca, to 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
Trenowanie zajęło budżet obliczeniowy wynoszący około 5.2 × 10¹³ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Trening zużył korpus około 54,000 Tokeny tekstu.
Kryterium włączenia: historical significance.
Odpowiedzi
PoE MNIST — częste pytania
PoE MNIST— 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.
PoE MNIST— 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.
PoE MNIST— ile ma parametrów?
Ma liczbę parametrów równą 3.9M. 10 models, one for each digit. Largest models: 500 epochs, 500 hidden units (Table 2) "The largest network was the best, even though each digit model contains 392,500 parameters trained on only 4,400 images" "the classification network had 30 inputs and therefore 300 weights and 10 output biases." Total: 392500*10 + 310 = 3,925,310. 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.
PoE MNIST— kto to stworzył?
Zostało opublikowane przez University College London (UCL), oparty na United Kingdom of Great Britain and Northern Ireland, organizacja sklasyfikowana jako academia.
PoE MNIST— kiedy to zostało wydane?
Zostało opublikowane w November 2000. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
PoE MNIST— 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.
PoE MNIST— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 5.2 × 10¹³ 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.
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.