Bidirectional RNN
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
- Advanced Telecommunications Research Institute
- Typ organizacji
- Industry
- Kraj
- Japan
- Opublikowany
- 1 November 1997
- Autorzy
- M. Schuster, KK Paliwal
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Speech
- Zadanie
- Speech recognition (ASR)
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 13K
- Dane treningowe
- 142,910 tokens
Page 7: "The structures of all networks are adjusted so that each of them has about the same number of free parameters (approximately 13 000 here"
"the training data set consisting of 3696 sentences from 462 speakers" Assuming avg sentence length of 20 words 3696 * 20 total words
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- Highly cited
- Cytaty
- 7,990
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Bidirectional recurrent neural networks
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Tło
Bidirectional RNN został opublikowany przez Advanced Telecommunications Research Institute, w kraju zapisanym jako Japan, podczas November 1997. Kategoria, do której należy wydawca, to industry.
Działa w dziedzinie Speech, i jest zapisany jako wykonujący zadanie speech recognition (ASR).
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Jak to zostało wytrenowane
Zbiór treningowy trwał około 142,910 Tokeny tekstu.
Jest śledzone w podstawowym zbiorze danych z jednego szczególnego powodu: highly cited.
Odpowiedzi
Bidirectional RNN — częste pytania
Bidirectional RNN— 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.
Bidirectional RNN— ile ma parametrów?
Ma liczbę parametrów równą 13K. Page 7: "The structures of all networks are adjusted so that each of them has about the same number of free parameters (approximately 13 000 here". 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.
Bidirectional RNN— kto to stworzył?
Zostało opublikowane przez Advanced Telecommunications Research Institute, oparty na Japan, organizacja sklasyfikowana jako industry.
Bidirectional RNN— kiedy to zostało wydane?
Zostało opublikowane w November 1997. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Bidirectional RNN— do czego to służy?
Działa w dziedzinie Speech, i jest zarejestrowany jako realizujący zadanie speech recognition (ASR). To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
Bidirectional RNN— 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.
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.