Translation-invariant 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
- Carnegie Mellon University (CMU)
- Typ organizacji
- Academia
- Kraj
- United States of America
- Opublikowany
- 15 June 1987
- Autorzy
- Geoffrey E. Hinton
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Zadanie
- Object 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
- 0.8K
- Dane treningowe
- 160 tokens
- Epoki
- 23,020
Network: 12-60-6-16 Weights: 6*60+60*6+6*16=816 Layer 2 was only sparsely connected to input layer
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
- 1.8 × 10¹⁰ FLOP
- Jak to zostało ustalone
- Operation counting
FLOPs: 2*816*3*160*23020=18032947200=1.8e10
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
- Learning Translation Invariant Recognition in a Massively Parallel Network
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Tło
Translation-invariant MLP został opublikowany przez Carnegie Mellon University (CMU), w kraju zapisanym jako United States of America, podczas June 1987. Kategoria, do której należy wydawca, to academia.
i jest zapisany jako wykonujący zadanie object recognition.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Szkolenie i pochodzenie
Wytworzenie tego wymagało arytmetyki sumującej około 1.8 × 10¹⁰ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Zbiór treningowy trwał około 160 Tokeny tekstu.
Powód, dla którego w ogóle pojawia się w tym katalogu: historical significance.
Odpowiedzi
Translation-invariant MLP — częste pytania
Translation-invariant MLP— ile ma parametrów?
Ma liczbę parametrów równą 0.8K. Network: 12-60-6-16 Weights: 6*60+60*6+6*16=816 Layer 2 was only sparsely connected to input layer. 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.
Translation-invariant MLP— kto to stworzył?
Zostało opublikowane przez Carnegie Mellon University (CMU), oparty na United States of America, organizacja sklasyfikowana jako academia.
Translation-invariant MLP— kiedy to zostało wydane?
Zostało opublikowane w June 1987. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Translation-invariant MLP— do czego to służy?
i jest zarejestrowany jako realizujący zadanie object recognition. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
Translation-invariant MLP— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 1.8 × 10¹⁰ 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.
Translation-invariant 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.
Translation-invariant 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.
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.