Restricted Boltzmann machine for Face Recognition

Uzavřené váhy University of Toronto,University College London (UCL) April 2001

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
University of Toronto,University College London (UCL)
Typ organizace
Academia,Academia
Země
Canada, United Kingdom of Great Britain and Northern Ireland
Publikováno
1 April 2001
Autoři
Yee Whye Teh, Geoffrey E. Hinton

Co to dělá

Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.

Doména
Vision
Úkol
Face recognition

Velikost

Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.

Výcviková data
tokens

"Our version of the FERET database contained 1002 frontal face images of 429 individuals taken over a period of a few years under varying lighting conditions. Of these images, 818 are used as both the gallery and the training set"

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
Rate-coded Restricted Boltzmann Machines for Face Recognition
Nap poslední aktualizace
28 November 2025

Co čísla znamenají

O tomto modelu

Restricted Boltzmann machine for Face Recognition byl zveřejněn University of Toronto,University College London (UCL), v zemi zaznamenané jako Canada, během April 2001. Vychází z organizace, která je kategorizována jako academia,Academia.

funguje v oblasti Vision, a je zaznamenán jako vykonávající úkol face recognition.

Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.

Odpovědi

Restricted Boltzmann machine for Face Recognition — běžné otázky

01

Restricted Boltzmann machine for Face Recognition— Kdo to vytvořil?

Bylo to publikováno společností University of Toronto,University College London (UCL), zakládající se na Canada, organizace zařazená jako academia,Academia.

02

Restricted Boltzmann machine for Face Recognition— Kdy byl vydán?

Bylo to zveřejněno v April 2001. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.

03

Restricted Boltzmann machine for Face Recognition— K čemu se to používá?

funguje v oblasti Vision, a je zaznamenáno jako zpracovávající úkol face recognition. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.

04

Restricted Boltzmann machine for Face Recognition— 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.

05

Restricted Boltzmann machine for Face Recognition— 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.

06

Restricted Boltzmann machine for Face Recognition— kolik má parametrů?

Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 28 November 2025

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.