NCP-VAE (Celeba HQ)
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 (Celeba HQ)
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 (Celeba HQ) fue publicado por University of Illinois Urbana-Champaign (UIUC),NVIDIA, en el país registrado como United States of America, durante November 2021. La categoría en la que se encuentra el editor es 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 (Celeba HQ). Esa es la forma habitual en que se produce un modelo especializado.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Respuestas
NCP-VAE (Celeba HQ) — preguntas comunes
NCP-VAE (Celeba HQ)— ¿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.
NCP-VAE (Celeba HQ)— ¿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 (Celeba HQ)— ¿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 (Celeba HQ)— ¿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 (Celeba HQ)— ¿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 (Celeba HQ)— ¿Para qué se utiliza?
Funciona en el dominio de Image generation, y se registra como manejando la tarea de image generation. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
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.