Modellstørrelse

Modellstørrelse er et mål som beskriver størrelsen eller kapasiteten til en modell, og bruken varierer med kontekst. I statistikk og maskinlæring betegner den ofte modellens kapasitet, typisk målt ved antall parametre og det tilhørende minne- og beregningsbehov. Innenfor fysisk eller skala-modellering refererer den til modellens faktiske dimensjoner eller skala (for eksempel 1:50).

I maskinlæring er større modeller ofte mer uttrykksfulle, men krever mer data, mer beregning og mer energi. Nøkkelmål for modellstørrelse inkluderer parameterantall og minneforbruk, samt beregningskrav ved trening og inferens. Dette påvirker hva som kan kjøre på tilgjengelig maskinvare og hvor raskt modellene kan kjøres. For å kontrollere modellstørrelsen brukes teknikker som pruning, kvantisering og distillasjon, samt design av mer effektive arkitekturer. Mindre modeller kommer ofte med litt redusert nøyaktighet eller generalisering.

I fysiske modeller brukes størrelsen i dimensjoner eller i skala, for eksempel 1:50. I digitale modeller er størrelse ofte knyttet til filstørrelse og kompleksitet (antall polygoner eller detaljer), som påvirker lagring, overføring og innlasting. Totalt sett gir modellstørrelsen en nøkkelindikator på ressursbehov, ytelse og praktisk anvendelighet i ulike anvendelser.