Fastest training times for CNN and XGBoost on CPU and GPU (all features).

Figshare2024-04-29 更新2026-04-28 收录

数据链接：

https://figshare.com/articles/dataset/Fastest_training_times_for_CNN_and_XGBoost_on_CPU_and_GPU_all_features_/25718215 数据链接链接失效反馈

官方服务：

资源简介：

Fastest training times for CNN and XGBoost on CPU and GPU (all features).

创建时间：

2024-04-29

open-llm-leaderboard/details_Ppoyaa__FusedKuno

语言模型评测

模型性能基准测试

该数据集是在模型Ppoyaa/FusedKuno的评估运行期间自动创建的，包含63个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行的结果作为特定配置中的一个分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，results配置存储了所有运行的聚合结果，用于在Open LLM Leaderboard上计算和显示聚合指标。

Hugging Face2024-04-05 更新240

The AUC and AUPR values of the five methods for the four types of proteins in each validation set (previous and updated dataset).

蛋白质类型分类

模型性能基准测试

The AUC and AUPR values of the five methods for the four types of proteins in each validation set (previous and updated dataset).

NIAID Data Ecosystem70

A Comparison on Foundation Large Language Models

大型语言模型评估

模型性能基准测试

This comparison analyzes how the current advances in foundational LLM, like GPT-3, REBEL, PaLM, BLOOM, OPT are compared with its different parameter.

DataCite Commons2023-06-16 更新50

open-llm-leaderboard/details_CHIH-HUNG__llama-2-13b-alpaca-test

大型语言模型评估

模型性能基准测试

该数据集是在Open LLM Leaderboard上对模型CHIH-HUNG/llama-2-13b-alpaca-test进行评估时自动生成的。数据集包含61个配置，每个配置对应一个评估任务。数据集由一次运行的记录组成，每次运行在每个配置中表示为特定的分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，还有一个results配置存储了所有运行的聚合结果，用于计算和显示Ope

Hugging Face2023-08-29 更新190

Computational efficiency of some standard single-neuron models.

计算神经科学

模型性能基准测试

The ts to FP column is the number of time steps taken to approach the FP with a tolerance of 10−8. The ms/ts column shows the proposed scale factors for the time step of each model, assuming a spikes

NIAID Data Ecosystem50

Fastest training times for CNN and XGBoost on CPU and GPU (all features).

资源简介：

相关数据集