Ceramic-MLP
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
- Sapienza Università di Roma
- Typ organizacji
- Academia
- Kraj
- Italy
- Opublikowany
- 7 January 1994
- Autorzy
- G. Bonifazi, P. Burrascano
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Materials science
- Zadanie
- Pattern classification
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 1.9K
- Dane treningowe
- 80 tokens
- Epoki
- 5,000
Parameters: 100*16 + 16*16 + 16*2 = 1888 Architecture: "The topology of the classifier was X-Y-Y-2, where X is the number of input components, Y is the number of neurons in each hidden layer and the number of neurons in the output layer is two, which is the number of classes. The two hidden layers were considered to have the same number of nodes for simplification purposes. " Input size: "Each pattern consists of a 10 x 10 pixel sub-image." Hidden size: "Experiments have been made on networks wi…
After the pre-processing phase, a training set of 80 patterns and a testing set of 64 patterns were available.
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
- 4.5 × 10⁹ FLOP
- Jak to zostało ustalone
- Operation counting
Compute estimate: 2*1888*3*400000=4531200000=4.53e9 Training steps: "In Fig. 6 we report the classification results obtained on the testing set in the 12 and 16 component compressed data after 400000 training iterations"
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- Historical significance
- Zapisz pewność
- Likely
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Ceramic powder characterization by multilayer perceptron (MLP) data compression and classification
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Co to jest model?
Ceramic-MLP został opublikowany przez Sapienza Università di Roma, w kraju zapisanym jako Italy, podczas January 1994. Kategoria, do której należy wydawca, to academia.
Działa w dziedzinie Materials science, i jest zapisany jako wykonujący zadanie pattern classification.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Co poszło w budowę tego
Trening zajmował około 4.5 × 10⁹ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Zbiór treningowy trwał około 80 Tokeny tekstu.
Powód, dla którego w ogóle pojawia się w tym katalogu: historical significance.
Odpowiedzi
Ceramic-MLP — częste pytania
Ceramic-MLP— 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.
Ceramic-MLP— 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.
Ceramic-MLP— ile ma parametrów?
Ma liczbę parametrów równą 1.9K. Parameters: 100*16 + 16*16 + 16*2 = 1888 Architecture: "The topology of the classifier was X-Y-Y-2, where X is the number of input components, Y is the number of neurons in each hidden layer and the number of neurons in the output layer is two, which is the number of classes. The two hidden layers were considered to have the same number of nodes for simplification purposes. " Input size: "Each pattern consists of a 10 x 10 pixel sub-image." Hidden size: "Experiments have been made on networks with 6, 9, 12 and 16 hidden nodes. ". 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.
Ceramic-MLP— kto to stworzył?
Zostało opublikowane przez Sapienza Università di Roma, oparty na Italy, organizacja sklasyfikowana jako academia.
Ceramic-MLP— kiedy to zostało wydane?
Zostało opublikowane w January 1994. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Ceramic-MLP— do czego to służy?
Działa w dziedzinie Materials science, i jest zarejestrowany jako realizujący zadanie pattern classification. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
Ceramic-MLP— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 4.5 × 10⁹ 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.