Long-Range Autonomous Off-Road Driving System
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
- Courant Institute of Mathematical Sciences
- Typ organizace
- Academia
- Země
- United States of America
- Publikováno
- 8 January 2009
- Autoři
- Raia Hadsell, Pierre Sermanet, Jan Ben, Ayse Erkan, Marco Scoffier, Koray Kavukcuoglu, Urs Muller, Yann LeCun
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Vision, Robotics, Driving
- Úkol
- Self-driving car
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 12.4K
- Výcviková data
- 450,000 tokens
- Epochy
- 30
C1: 20x7x6 C3: 369x6x5 F4: 100x5 "This particular network has two convolutional layers and one subsampling layer. The first convolutional layer has 20 7 × 6 filters, and the second layer has 369 6 × 5 filters. The layers are not fully connected; in particular, the Y, U, and V filters are kept separate throughout the two layers. For the purposes of training, a final 100-component, fully connected layer is trained with five outputs"
"The training set contained 450,000 labeled image patches"
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
- 2.8 × 10¹⁴ FLOP
- Jak bylo ustanoveno
- Operation counting
Every filter is only connected to ⅓ of the input channels: “The layers are not fully connected; in particular, the Y, U, and V filters are kept separate throughout the two layers.” The text of the paper and Figure 7 don’t match, the text mentions an additional D=369 convolutional layer that is not represented in the Figure Input: 12*25 1st CNN: 2*12*25*(3/3)*7*6*20=240000 Size after layer: 6*20*20 Size after pooling layer (1x4): 6*5*20 2nd CNN: 2*6*5*(20/3)*6*5*369=4428000 FC: 2*6*5*369*100=2214…
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.
- Hmotnosti
- Closed — provider access only
- Přístup k modelu
- Unreleased
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Confident
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Learning long‐range vision for autonomous off‐road driving
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Odkud to přišlo
Long-Range Autonomous Off-Road Driving System byl zveřejněn Courant Institute of Mathematical Sciences, v zemi zaznamenané jako United States of America, během January 2009. Vychází z organizace, která je kategorizována jako academia.
funguje v oblasti Vision, Robotics, Driving, a je zaznamenán jako vykonávající úkol self-driving car.
Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.
Co bylo zapotřebí k jeho vybudování
Trénování si vyžádalo výpočetní rozpočet přibližně 2.8 × 10¹⁴ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Trénink spotřeboval korpus kolem 450,000 tokeny textu
Odpovědi
Long-Range Autonomous Off-Road Driving System — běžné otázky
Long-Range Autonomous Off-Road Driving System— Kdo to vytvořil?
Bylo to publikováno společností Courant Institute of Mathematical Sciences, zakládající se na United States of America, organizace zařazená jako academia.
Long-Range Autonomous Off-Road Driving System— Kdy byl vydán?
Bylo to zveřejněno v January 2009. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Long-Range Autonomous Off-Road Driving System— K čemu se to používá?
funguje v oblasti Vision, Robotics, Driving, a je zaznamenáno jako zpracovávající úkol self-driving car. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
Long-Range Autonomous Off-Road Driving System— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 2.8 × 10¹⁴ FLOP. 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.
Long-Range Autonomous Off-Road Driving System— 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.
Long-Range Autonomous Off-Road Driving System— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
Long-Range Autonomous Off-Road Driving System— kolik má parametrů?
Má počet parametrů 12.4K. C1: 20x7x6 C3: 369x6x5 F4: 100x5 "This particular network has two convolutional layers and one subsampling layer. The first convolutional layer has 20 7 × 6 filters, and the second layer has 369 6 × 5 filters. The layers are not fully connected; in particular, the Y, U, and V filters are kept separate throughout the two layers. For the purposes of training, a final 100-component, fully connected layer is trained with five outputs". Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
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.