ShuffleNet v2
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti pro tento model nebyly zveřejněny, takže jej nelze stáhnout ani spustit na vlastním hardwaru v žádné velikosti. Je dostupný pouze prostřednictvím svého poskytovatele, a žádná změna grafické karty to nezmění..
Na záznamu
Plná specifikace
Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..
Původ
Kdo vytvořil tento model, kde a kdy byl publikován.
- Organizace
- Tsinghua University,Megvii Inc
- Typ organizace
- Academia,Industry
- Země
- China
- Publikováno
- 30 June 2018
- Autoři
- Ningning Ma, Xiangyu Zhang, Hai-Tao Zheng, Jian Sun
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Vision
- Úkol
- Image classification, Object detection
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 2.3M
- Výcviková data
- 1,280,000 tokens
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Citace
- 6,289
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Pozadí
ShuffleNet v2 byl zveřejněn Tsinghua University,Megvii Inc, v zemi zaznamenané jako China, během June 2018. Vychází z organizace, která je kategorizována jako academia,Industry.
funguje v oblasti Vision, a je zaznamenán jako vykonávající úkol image classification, Object detection.
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Jak bylo trénováno
Tréninková sada běžela na přibližně 1,280,000 tokeny textu
Odpovědi
ShuffleNet v2 — běžné otázky
ShuffleNet v2— K čemu se to používá?
funguje v oblasti Vision, a je zaznamenáno jako zpracovávající úkol image classification, Object detection. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
ShuffleNet v2— Jakou GPU potřebuji k jejímu spuštění?
Žádné. Toto je uzavřený model — jeho váhy nikdy nebyly zveřejněny, takže jej nelze stáhnout nebo spustit na vlastním hardwaru za žádnou cenu. Je dostupný pouze prostřednictvím jeho poskytovatele.
ShuffleNet v2— Je to OPEN SOURCE?
Licencování nikdy nebylo zaznamenáno v našich zdrojových datech. Neuváděné licencování považujeme za uzavřené, protože nezaznamenaná licence není na kterou by se dalo spoléhat.
ShuffleNet v2— kolik má parametrů?
Má počet parametrů 2.3M. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
ShuffleNet v2— Kdo to vytvořil?
Bylo to publikováno společností Tsinghua University,Megvii Inc, zakládající se na China, organizace zařazená jako academia,Industry.
ShuffleNet v2— Kdy byl vydán?
Bylo to zveřejněno v June 2018. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Druhý směr
Díváte se na to z druhé strany?
Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.