MLP with back-propagation
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 California San Diego,Carnegie Mellon University (CMU)
- Typ organizacji
- Academia,Academia
- Kraj
- United States of America
- Opublikowany
- 1 October 1986
- Autorzy
- Rumelhart, David E.; Hinton, Geoffrey E.; Williams, Ronald J.
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Mathematics
- Zadanie
- Triplet completion
- Podejście
- Unsupervised
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 0.7K
- Dane treningowe
- 104 tokens
Architecture in Figure 3: 24+12 input -> 6 + 6 hidden -> 12 hidden -> 6 hidden -> 24 output Parameters: 6*24+6*12+12*12+6*12+24*12=720
There are 104 relationship triplets ("[...] of the 104 possible triplets")
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
- 6.7 × 10⁸ FLOP
- Jak to zostało ustalone
- Operation counting
We assume that the number of mult-adds per pass is equal to the number of parameters -> 2*720=1440 FLOP per forward pass. "We trained the network for 1500 sweeps" There are 104 relationship triplets ("[...] of the 104 possible triplets") FLOP: 1500*104*3*1440=673920000
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
- Highly cited
- Zapisz pewność
- Confident
- Cytaty
- 29,621
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Learning representations by back-propagating errors
- Ostatnio zaktualizowane
- 1 January 2026
Co oznaczają liczby
Tło
MLP with back-propagation został opublikowany przez University of California San Diego,Carnegie Mellon University (CMU), w kraju zapisanym jako United States of America, podczas October 1986. Organizacja publikująca jest klasyfikowana jako academia,Academia.
Działa w dziedzinie Mathematics, i jest zapisany jako wykonujący zadanie triplet completion.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Szkolenie i pochodzenie
Trenowanie zajęło budżet obliczeniowy wynoszący około 6.7 × 10⁸ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Został wytrenowany na korpusie około 104 Tokeny tekstu.
Jest śledzone w podstawowym zbiorze danych z jednego szczególnego powodu: highly cited.
Odpowiedzi
MLP with back-propagation — częste pytania
MLP with back-propagation— 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.
MLP with back-propagation— ile ma parametrów?
Ma liczbę parametrów równą 0.7K. Architecture in Figure 3: 24+12 input -> 6 + 6 hidden -> 12 hidden -> 6 hidden -> 24 output Parameters: 6*24+6*12+12*12+6*12+24*12=720. 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.
MLP with back-propagation— kto to stworzył?
Zostało opublikowane przez University of California San Diego,Carnegie Mellon University (CMU), oparty na United States of America, organizacja sklasyfikowana jako academia,Academia.
MLP with back-propagation— kiedy to zostało wydane?
Zostało opublikowane w October 1986. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
MLP with back-propagation— do czego to służy?
Działa w dziedzinie Mathematics, i jest zarejestrowany jako realizujący zadanie triplet completion. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
MLP with back-propagation— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 6.7 × 10⁸ 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.
MLP with back-propagation— 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.