SPPNet
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
- Microsoft,Xi’an Jiaotong University,University of Science and Technology of China (USTC)
- Typ organizace
- Industry,Academia,Academia
- Země
- United States of America, China
- Publikováno
- 18 June 2014
- Autoři
- Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Vision
- Úkol
- Image classification
- 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
- 1,280,000 tokens
Section 3.1: "We train the networks on the 1000-category training set of ImageNet 2012."
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
- 3.4 × 10¹⁸ FLOP
- Jak bylo ustanoveno
- Hardware
"All networks in this paper can be trained on a single GeForce GTX Titan GPU (6 GB memory) within two to four weeks." 4.7e12 FLOP/s * 4* 7*24*60*60 seconds * 0.3 utilisation
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA GeForce GTX TITAN
- Doba reálného času
- 672 hours (28 days)
- Náklady na výpočet
- $52
"All networks in this paper can be trained on a single GeForce GTX Titan GPU (6 GB memory) within two to four weeks."
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Frontier model
- Yes
- Proč je to sledováno
- Highly cited
- Záznam důvěry
- Confident
- Citace
- 12,524
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Pozadí
SPPNet byl zveřejněn Microsoft,Xi’an Jiaotong University,University of Science and Technology of China (USTC), v zemi zaznamenané jako United States of America, během June 2014. Kategorie, do které vydavatel spadá, je industry,Academia,Academia.
funguje v oblasti Vision, a je zaznamenán jako vykonávající úkol image classification.
Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.
Trénink a původ
Trénování si vyžádalo výpočetní rozpočet přibližně 3.4 × 10¹⁸ FLOP, na hardwaru zaznamenáno jako NVIDIA GeForce GTX TITAN. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Tréninková sada běžela na přibližně 1,280,000 tokeny textu
Jeho kritérium zahrnutí: highly cited.
Odpovědi
SPPNet — běžné otázky
SPPNet— Kdo to vytvořil?
Bylo to publikováno společností Microsoft,Xi’an Jiaotong University,University of Science and Technology of China (USTC), zakládající se na United States of America, organizace zařazená jako industry,Academia,Academia.
SPPNet— Kdy byl vydán?
Bylo to zveřejněno v June 2014. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
SPPNet— K čemu se to používá?
funguje v oblasti Vision, a je zaznamenáno jako zpracovávající úkol image classification. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
SPPNet— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 3.4 × 10¹⁸ FLOP, na hardwaru zaznamenáno jako NVIDIA GeForce GTX TITAN. 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.
SPPNet— 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.
SPPNet— 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.
SPPNet— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
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.