DeepLab (2017)
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
- Johns Hopkins University,Google,University College London (UCL)
- Typ organizace
- Academia,Industry,Academia
- Země
- United States of America, United Kingdom of Great Britain and Northern Ireland
- Publikováno
- 27 April 2017
- Autoři
- Liang-Chieh Chen, George Papandreou, Iasonas Kokkinos, Kevin Murphy, Alan L. Yuille
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Vision
- Úkol
- Image segmentation
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- Výcviková data
- 26,455,000 tokens
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Proč je to sledováno
- Highly cited
- Záznam důvěry
- Unknown
- Citace
- 20,019
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs
- Nap poslední aktualizace
- 11 February 2026
Co čísla znamenají
Pozadí
DeepLab (2017) byl zveřejněn Johns Hopkins University,Google,University College London (UCL), v zemi zaznamenané jako United States of America, během April 2017. Vychází z organizace, která je kategorizována jako academia,Industry,Academia.
funguje v oblasti Vision, a je zaznamenán jako vykonávající úkol image segmentation.
Jeho váhy nikdy nebyly zveřejněny, takže k němu lze přistupovat pouze prostřednictvím jeho poskytovatele. Žádná změna grafické karty to nezmění.
Jak bylo trénováno
Trénink spotřeboval korpus kolem 26,455,000 tokeny textu
Je sledováno v základním datasetu z jednoho konkrétního důvodu: highly cited.
Odpovědi
DeepLab (2017) — běžné otázky
DeepLab (2017)— 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.
DeepLab (2017)— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
DeepLab (2017)— Kdo to vytvořil?
Bylo to publikováno společností Johns Hopkins University,Google,University College London (UCL), zakládající se na United States of America, organizace zařazená jako academia,Industry,Academia.
DeepLab (2017)— Kdy byl vydán?
Bylo to zveřejněno v April 2017. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
DeepLab (2017)— K čemu se to používá?
funguje v oblasti Vision, a je zaznamenáno jako zpracovávající úkol image segmentation. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
DeepLab (2017)— 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.
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.