Vision-based obstacle avoidance system (2005)
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
- New York University (NYU),Net-Scale technologies,NEC Laboratories
- Organisationsart
- Academia,Industry,Industry
- Land
- United States of America
- Veröffentlicht
- 5 December 2005
- Autoren
- Urs Muller, Jan Ben, Eric Cosatto, Beat Flepp, Yann LeCun
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Robotics, Vision
- Aufgabe
- Self-driving car, Object detection
- Ansatz
- Supervised
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.
- Parameter
- 72K
- Trainingsdaten
- tokens
- Epochen
- 18
"The network has 3.15 Million connections and about 72,000 trainable parameters."
"With 95,000 training image pairs, training took 18 epochs through the training set."
Der Trainingslauf
Was es physisch gekostet hat, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Wand gezogen hat.
- Trainingshardware
- Intel Pentium 4 HT 630
- Verwendete Chips
- 1
- Wand-Uhrzeit
- 96 hours
- Stromverbrauch
- 103 W
"A complete training session required about four days of CPU time on a 3.0GHz Pentium/Xeon-based server"
Verfügbarkeit
Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.
- Gewichte
- Closed — provider access only
- Modellzugang
- Unreleased
- Training-Code
- Unreleased
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Aufzeichnungsgenauigkeit
- Confident
- Zitationen
- 742
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- Off-Road Obstacle Avoidance through End-to-End Learning
- Zuletzt aktualisiert
- 11 February 2026
Was die Zahlen bedeuten
Über dieses Modell
Vision-based obstacle avoidance system (2005) wurde veröffentlicht von New York University (NYU),Net-Scale technologies,NEC Laboratories, im Land aufgezeichnet als United States of America, während December 2005. Die veröffentlichende Organisation ist als academia,Industry,Industry.
Es funktioniert im Bereich von Robotics, Vision, und wird als die Aufgabe von aufgezeichnet self-driving car, Object detection.
Da die Gewichte nicht verfügbar sind, gelten keine der Hardwareangaben an anderer Stelle auf dieser Seite für sie.
Antworten
Vision-based obstacle avoidance system (2005) — Häufige Fragen
Vision-based obstacle avoidance system (2005)— Wofür wird es verwendet?
Es funktioniert im Bereich von Robotics, Vision, und wird als Bewältigung der Aufgabe von self-driving car, Object detection. 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.
Vision-based obstacle avoidance system (2005)— 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.
Vision-based obstacle avoidance system (2005)— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
Vision-based obstacle avoidance system (2005)— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 72K. "The network has 3.15 Million connections and about 72,000 trainable parameters.". Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.
Vision-based obstacle avoidance system (2005)— Wer hat es erstellt?
Es wurde veröffentlicht von New York University (NYU),Net-Scale technologies,NEC Laboratories, basiert auf United States of America, eine als kategorisierte Organisation academia,Industry,Industry.
Vision-based obstacle avoidance system (2005)— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in December 2005. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
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.