Inflated 3D ConvNet
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, daher kann es nicht heruntergeladen oder auf Ihrer eigenen Hardware in beliebiger Größe betrieben werden. Es ist nur über seinen Anbieter erreichbar, und keine Grafikkarte ändert das..
Aufgezeichnet
Volle Spezifikation
Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- DeepMind,University of Oxford
- Organisationsart
- Industry,Academia
- Land
- United Kingdom of Great Britain and Northern Ireland
- Veröffentlicht
- 1 June 2017
- Autoren
- Joao Carreira, Andrew Zisserman
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- 3D modeling
- Aufgabe
- Action recognition
Größe
Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.
- Trainingsdaten
- 240,000 tokens
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Warum es verfolgt wird
- Highly cited
- Aufzeichnungsgenauigkeit
- Unknown
- Zitationen
- 9,494
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- Quo Vadis, Action Recognition? A New Model and the Kinetics Dataset
- Zuletzt aktualisiert
- 25 May 2026
Was die Zahlen bedeuten
Woher es kam
Inflated 3D ConvNet wurde veröffentlicht von DeepMind,University of Oxford, im Land aufgezeichnet als United Kingdom of Great Britain and Northern Ireland, während June 2017. Es stammt aus einer Organisation, die kategorisiert ist als industry,Academia.
Es funktioniert im Bereich von 3D modeling, und wird als die Aufgabe von aufgezeichnet action recognition.
Da die Gewichte nicht verfügbar sind, gelten keine der Hardwareangaben an anderer Stelle auf dieser Seite für sie.
Was in den Aufbau geflossen ist
Der Trainingssatz lief auf etwa 240,000 Text-Tokens
Das Einschlusskriterium: highly cited.
Antworten
Inflated 3D ConvNet — Häufige Fragen
Inflated 3D ConvNet— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in June 2017. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
Inflated 3D ConvNet— Wofür wird es verwendet?
Es funktioniert im Bereich von 3D modeling, und wird als Bewältigung der Aufgabe von action recognition. Ein Modell kann mehrere von jedem tragen, daher sind dies die Bereiche, für die es gebaut wurde, anstatt eine Begrenzung dafür, was es versuchen wird.
Inflated 3D ConvNet— Welche GPU benötige ich, um es auszuführen?
Dieses ist ein geschlossenes Modell — seine Gewichte wurden nie veröffentlicht, sodass es zu keinem Preis heruntergeladen oder auf Ihrer eigenen Hardware ausgeführt werden kann. Es ist nur über seinen Anbieter erreichbar.
Inflated 3D ConvNet— Ist es Open-Source?
Die Lizenzierung wurde nie in unseren Quelldaten aufgezeichnet. Wir behandeln nicht angegebene Lizenzen als geschlossen, da eine nicht aufgezeichnete Lizenz keine ist, auf die man sich verlassen kann.
Inflated 3D ConvNet— Wie viele Parameter hat es?
Es wurden keine Parameteranzahlen veröffentlicht, weshalb keine Speicher- oder Geschwindigkeitsangaben auf dieser Seite erscheinen.
Inflated 3D ConvNet— Wer hat es erstellt?
Es wurde veröffentlicht von DeepMind,University of Oxford, basiert auf United Kingdom of Great Britain and Northern Ireland, eine als kategorisierte Organisation industry,Academia.
Die andere Richtung
Von der anderen Seite aus betrachten?
Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.