PixelSNAIL (ImageNet)
Χωρίς εκτίμηση
Δεν υπάρχουν απαιτήσεις υλικού για αυτό το μοντέλο
Τα βάρη αυτού του μοντέλου είναι ανοιχτά, αλλά κανένας αριθμός παραμέτρων δεν έχει δημοσιοποιηθεί γι' αυτό. Κάθε νούμερο σχετικά με τη μνήμη και την ταχύτητα ξεκινά από αυτόν τον αριθμό, γι' αυτό προτιμούμε να μην δείχνουμε τίποτα παρά μια πλαστή εκτίμηση.
Σε εγγραφή
Πλήρης προδιαγραφή
Όλα τα δεδομένα σχετικά με αυτό το μοντέλο. Τα περισσότερα περιγράφουν πώς εκπαιδεύτηκε παρά πώς τρέχει — χρήσιμο πλαίσιο για την αξιολόγηση του πόσο δουλειά απαιτήθηκε και πώς συγκρίνεται με μοντέλα που έχουν κατασκευαστεί σε διαφορετική κλίμακα.
Προέλευση
Ποιος δημιούργησε αυτό το μοντέλο, πού και πότε δημοσιεύθηκε;
- Οργάνωση
- University of California (UC) Berkeley
- Τύπος οργάνωσης
- Academia
- Χώρα
- United States of America
- Δημοσιευμένο
- 28 December 2017
- Συγγραφείς
- Xi Chen, Nikhil Mishra, Mostafa Rohaninejad, Pieter Abbeel
Τι κάνει
Οι προβληματικές περιοχές για τις οποίες κατασκευάστηκε το μοντέλο. Ένα μοντέλο μπορεί να περιέχει αρκετές από κάθε μία.
- Τομέας
- Image generation
- Εντολή
- Image generation
Μέγεθος
Πόσο μεγάλο είναι το μοντέλο και πόσα δεδομένα εκπαιδεύτηκε. Οι παράμετροι είναι το νούμερο που αποφασίζει αν χωράει σε μια δεδομένη κάρτα γραφικών.
- Δεδομένα εκπαίδευσης
- tokens
Διαθεσιμότητα
Εάν μπορείτε να αποκτήσετε το μοντέλο και να το εκτελέσετε στον δικό σας εξοπλισμό, κάτι που αποφασίζει αν κάποια από τα στοιχεία της κάρτας γραφικών σε αυτή τη σελίδα εφαρμόζονται.
- Βάρη
- Open — downloadable
- Πρόσβαση μοντέλου
- Open weights (unrestricted)
- Κώδικας εκπαίδευσης
- Open source
MIT license https://github.com/neocxi/pixelsnail-public
Πώς ταξινομείται
Ετικέτες που εφαρμόζει το πηγαίο σύνολο δεδομένων κατά την παρακολούθηση σημαντικών μοντέλων, και πόσο σίγουρο είναι για την είσοδο.
- Καταγραφή εμπιστοσύνης
- Unknown
Πηγές
Από πού προήλθε αυτή η καταγραφή και πότε ελέγχθηκε τελευταία.
- Αναφορά
- PixelSNAIL: An Improved Autoregressive Generative Model
- Τελευταία ενημέρωση
- 11 February 2026
Τι σημαίνουν οι αριθμοί
Σχετικά με αυτό το μοντέλο
PixelSNAIL (ImageNet) was published by University of California (UC) Berkeley, in United States of America, in December 2017. It comes out of academia.
It works in Image generation, and is recorded as doing image generation.
The weights are published, so it can be downloaded and run on your own hardware indefinitely, offline, with no account attached.
Απαντήσεις
PixelSNAIL (ImageNet) — Συχνές ερωτήσεις
Who created PixelSNAIL (ImageNet)?
PixelSNAIL (ImageNet) was published by University of California (UC) Berkeley, based in United States of America, categorised as academia.
When was PixelSNAIL (ImageNet) released?
PixelSNAIL (ImageNet) was published in December 2017. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is PixelSNAIL (ImageNet) used for?
PixelSNAIL (ImageNet) works in Image generation, and is recorded as handling image generation. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
Where can I download PixelSNAIL (ImageNet)?
The weights for PixelSNAIL (ImageNet) are published, though we do not hold a repository link for it. This site calculates hardware requirements rather than hosting model files.
What GPU do I need to run PixelSNAIL (ImageNet)?
We cannot say. PixelSNAIL (ImageNet) has open weights, but no parameter count has been published for it, and every memory and speed calculation starts from that number. We would rather show nothing than a fabricated estimate.
Is PixelSNAIL (ImageNet) open source?
Its weights are published, so PixelSNAIL (ImageNet) can be downloaded and run on your own hardware. Note that open weights is not the same as open source in the full sense — it says nothing about the training data, the training code, or the commercial terms attached.
How many parameters does PixelSNAIL (ImageNet) have?
No parameter count has been published for PixelSNAIL (ImageNet), which is why no memory or speed figure appears on this page.
Η άλλη κατεύθυνση
Βλέποντάς το από την άλλη πλευρά;
Αυτή η σελίδα ξεκινάει από το μοντέλο. Αν ήδη διαθέτετε μια κάρτα και θέλετε να γνωρίζετε όλα όσα θα τρέξει, Ξεκινήστε από το υλικό αντί..