Symmetric Residual Encoder-Decoder Net
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
- Nanjing University,University of Adelaide
- Typ organizace
- Academia,Academia
- Země
- China, Australia
- Publikováno
- 30 March 2016
- Autoři
- Xiao-Jiao Mao, Chunhua Shen, Yu-Bin Yang
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Vision, Image generation
- Úkol
- Image super-resolution
- Číselný formát
- FP32
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- Výcviková data
- 1,250,000,000 tokens
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Unknown
- Citace
- 1,184
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Image Restoration Using Very Deep Convolutional Encoder-Decoder Networks with Symmetric Skip Connections
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Odkud to přišlo
Symmetric Residual Encoder-Decoder Net byl zveřejněn Nanjing University,University of Adelaide, v zemi zaznamenané jako China, během March 2016. Kategorie, do které vydavatel spadá, je academia,Academia.
funguje v oblasti Vision, Image generation, a je zaznamenán jako vykonávající úkol image super-resolution.
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Co bylo zapotřebí k jeho vybudování
Bylo to trénováno na korpusu asi 1,250,000,000 tokeny textu
Odpovědi
Symmetric Residual Encoder-Decoder Net — běžné otázky
Symmetric Residual Encoder-Decoder Net— Kdy byl vydán?
Bylo to zveřejněno v March 2016. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Symmetric Residual Encoder-Decoder Net— K čemu se to používá?
funguje v oblasti Vision, Image generation, a je zaznamenáno jako zpracovávající úkol image super-resolution. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
Symmetric Residual Encoder-Decoder Net— 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.
Symmetric Residual Encoder-Decoder Net— 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.
Symmetric Residual Encoder-Decoder Net— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
Symmetric Residual Encoder-Decoder Net— Kdo to vytvořil?
Bylo to publikováno společností Nanjing University,University of Adelaide, zakládající se na China, organizace zařazená jako academia,Academia.
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.