Refined Part Pooling
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,University of Technology Sydney,University of Texas at San Antonio
- Typ organizace
- Academia,Academia,Academia
- Země
- China, Australia, United States of America
- Publikováno
- 9 January 2018
- Autoři
- Yifan Sun, Liang Zheng, Yi Yang, Qi Tian, Shengjin Wang
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Vision
- Úkol
- Person retrieval
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- Výcviková data
- 77,616 tokens
Výpočty pro trénink
Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál tréninkový běh, ne jak rychle hotový model na vás odpovídá.
- Výpočty pro trénink
- 2.6 × 10¹⁶ FLOP
- Jak bylo ustanoveno
- Hardware
12150000000000*3600*2*0.3=2.6244e+16 FLOP
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA TITAN Xp
- Používané čipy
- 2
- Doba reálného času
- 1 hours
- Příkon
- 1.0 kW
"With two NVIDIA TITAN XP GPUs and Pytorch as the platform, training an IDE model and a standard PCB on Market-1501 (12,936 training images) consumes about 40 and 50 minutes, respectively"
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Confident
- Citace
- 2,377
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Beyond Part Models: Person Retrieval with Refined Part Pooling (and a Strong Convolutional Baseline)
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Odkud to přišlo
Refined Part Pooling byl zveřejněn Tsinghua University,University of Technology Sydney,University of Texas at San Antonio, v zemi zaznamenané jako China, během January 2018. Vychází z organizace, která je kategorizována jako academia,Academia,Academia.
funguje v oblasti Vision, a je zaznamenán jako vykonávající úkol person retrieval.
Jeho váhy nikdy nebyly zveřejněny, takže k němu lze přistupovat pouze prostřednictvím jeho poskytovatele. Žádná změna grafické karty to nezmění.
Jak bylo trénováno
Produkce toho vyžadovala aritmetiku v celkové výši přibližně 2.6 × 10¹⁶ FLOP, na hardwaru zaznamenáno jako NVIDIA TITAN Xp. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Bylo to trénováno na korpusu asi 77,616 tokeny textu
Odpovědi
Refined Part Pooling — běžné otázky
Refined Part Pooling— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 2.6 × 10¹⁶ FLOP, na hardwaru zaznamenáno jako NVIDIA TITAN Xp. To měří, co stálo výrobu modelu, a neříká nic o tom, jak rychle odpovídá po natrénování — rychlost inferencí závisí na šířce pásma paměti, nikoli na rozpočtu na trénink.
Refined Part Pooling— 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.
Refined Part Pooling— 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.
Refined Part Pooling— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
Refined Part Pooling— Kdo to vytvořil?
Bylo to publikováno společností Tsinghua University,University of Technology Sydney,University of Texas at San Antonio, zakládající se na China, organizace zařazená jako academia,Academia,Academia.
Refined Part Pooling— Kdy byl vydán?
Bylo to zveřejněno v January 2018. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Refined Part Pooling— K čemu se to používá?
funguje v oblasti Vision, a je zaznamenáno jako zpracovávající úkol person retrieval. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
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.