SVD in recommender systems
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 Minnesota
- Typ organizacji
- Academia
- Kraj
- United States of America
- Opublikowany
- 14 July 2000
- Autorzy
- B Sarwar, G Karypis, J Konstan, J Riedl
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
- 30,000 tokens
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Unknown
- Cytaty
- 2,126
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Application of Dimensionality Reduction in Recommender System -- A Case Study
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Skąd to pochodzi
SVD in recommender systems został opublikowany przez University of Minnesota, w kraju zapisanym jako United States of America, podczas July 2000. Kategoria, do której należy wydawca, to academia.
Działa w dziedzinie Recommendation, i jest zapisany jako wykonujący zadanie recommender system.
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 30,000 Tokeny tekstu.
Odpowiedzi
SVD in recommender systems — częste pytania
SVD in recommender systems— kto to stworzył?
Zostało opublikowane przez University of Minnesota, oparty na United States of America, organizacja sklasyfikowana jako academia.
SVD in recommender systems— kiedy to zostało wydane?
Zostało opublikowane w July 2000. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
SVD in recommender systems— do czego to służy?
Działa w dziedzinie Recommendation, i jest zarejestrowany jako realizujący zadanie recommender system. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
SVD in recommender systems— 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.
SVD in recommender systems— 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.
SVD in recommender systems— 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.