NCP-VAE (CIFAR 10)
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- University of Illinois Urbana-Champaign (UIUC),NVIDIA
- Tipo de Organización
- Academia,Industry
- País
- United States of America
- Publicado
- 3 November 2021
- Autores
- Jyoti Aneja, Alexander Schwing, Jan Kautz, Arash Vahdat
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Image generation
- Tarea
- Image generation
- Modelo base
- NVAE (CIFAR 10)
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- tokens
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Unreleased
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Unknown
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- A Contrastive Learning Approach for Training Variational Autoencoder Priors
- Última actualización
- 11 February 2026
Qué significan los números
Fondo
NCP-VAE (CIFAR 10) fue publicado por University of Illinois Urbana-Champaign (UIUC),NVIDIA, en el país registrado como United States of America, durante November 2021. La organización editora está clasificada como academia,Industry.
Funciona en el dominio de Image generation, y se registra como realizando la tarea de image generation.
Su punto de partida fue un modelo base existente, NVAE (CIFAR 10). Por eso comparte la forma y el tamaño general del modelo base.
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a través de su proveedor. No hay cambios en la tarjeta gráfica que eso.
Respuestas
NCP-VAE (CIFAR 10) — preguntas comunes
NCP-VAE (CIFAR 10)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
NCP-VAE (CIFAR 10)— ¿cuántos parámetros tiene?
No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.
NCP-VAE (CIFAR 10)— ¿Quién lo creó?
Fue publicado por University of Illinois Urbana-Champaign (UIUC),NVIDIA, basado en United States of America, una organización categorizada como academia,Industry.
NCP-VAE (CIFAR 10)— ¿cuándo fue lanzado?
Se publicó en November 2021. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
NCP-VAE (CIFAR 10)— ¿Para qué se utiliza?
Funciona en el dominio de Image generation, y se registra como manejando la tarea de image generation. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
NCP-VAE (CIFAR 10)— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.