Boosting
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
- Bell Laboratories
- Typ organizacji
- Industry
- Kraj
- United States of America
- Opublikowany
- 30 November 1992
- Autorzy
- H. Drucker, R. Schapire, Patrice Y. Simard
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
- 2.6K
- Dane treningowe
- 29,127 tokens
“The network has 4645 neurons, 2578 different weights, and 98442 connections.“
“divided into 9709 training examples and 2007 validation samples.”
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
- Improving Performance in Neural Networks Using a Boosting Algorithm
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
O tym modelu
Boosting został opublikowany przez Bell Laboratories, w kraju zapisanym jako United States of America, podczas November 1992. Kategoria, do której należy wydawca, to industry.
Działa w dziedzinie Vision, i jest zapisany jako wykonujący zadanie digit recognition.
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
Został wytrenowany na korpusie około 29,127 Tokeny tekstu.
Powód, dla którego w ogóle pojawia się w tym katalogu: historical significance.
Odpowiedzi
Boosting — częste pytania
Boosting— do czego to służy?
Działa w dziedzinie Vision, i jest zarejestrowany jako realizujący zadanie digit recognition. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
Boosting— 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.
Boosting— 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.
Boosting— ile ma parametrów?
Ma liczbę parametrów równą 2.6K. “The network has 4645 neurons, 2578 different weights, and 98442 connections.“. 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.
Boosting— kto to stworzył?
Zostało opublikowane przez Bell Laboratories, oparty na United States of America, organizacja sklasyfikowana jako industry.
Boosting— kiedy to zostało wydane?
Zostało opublikowane w November 1992. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
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.