Neuro-Symbolic Concept Learner
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
- Massachusetts Institute of Technology (MIT),Tsinghua University,MIT-IBM Watson AI Lab,DeepMind
- Tipo de Organización
- Academia,Academia,Academia,Industry,Industry
- País
- United States of America, China, United Kingdom of Great Britain and Northern Ireland
- Publicado
- 26 April 2019
- Autores
- Jiayuan Mao, Chuang Gan, Pushmeet Kohli, Joshua B. Tenenbaum, Jiajun Wu
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Vision, Language
- Tarea
- Visual question answering, Semantic segmentation
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
- 100,000 tokens
CLEVR, ImageNet, VQS 5000 in CLEVR 64509 in VQS and whole ImageNet for pretraining "We train NS-CL on 5K images (<10% of CLEVR’s 70K training images). We generate 20 questions for each image for the entire curriculum learning process" section 4.3 "All models use a pre-trained semantic parser on the full CLEVR dataset" "The only extra supervision of the visual perception module comes from the pre-training of the perception modules on ImageNet (Deng et al., 2009). To quantify the influence of th…
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
- Open source
MIT code: https://github.com/vacancy/NSCL-PyTorch-Release
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Unknown
- Citas
- 837
"NS-CL’s modularized design enables interpretable, robust, and accurate visual reasoning: it achieves state-of-the-art performance on the CLEVR datase"
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- The Neuro-Symbolic Concept Learner: Interpreting Scenes, Words, and Sentences From Natural Supervision
- Última actualización
- 25 May 2026
Qué significan los números
Acerca de este modelo
Neuro-Symbolic Concept Learner fue publicado por Massachusetts Institute of Technology (MIT),Tsinghua University,MIT-IBM Watson AI Lab,DeepMind, en el país registrado como United States of America, durante April 2019. La categoría en la que se encuentra el editor es academia,Academia,Academia,Industry,Industry.
Funciona en el dominio de Vision, Language, y se registra como realizando la tarea de visual question answering, Semantic segmentation.
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.
Cómo fue entrenado
El conjunto de entrenamiento se ejecutó a aproximadamente 100,000 tokens de texto
Se rastrea en el conjunto de datos subyacente por una razón en particular: sOTA improvement.
Respuestas
Neuro-Symbolic Concept Learner — preguntas comunes
Neuro-Symbolic Concept Learner— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
Neuro-Symbolic Concept Learner— ¿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.
Neuro-Symbolic Concept Learner— ¿Quién lo creó?
Fue publicado por Massachusetts Institute of Technology (MIT),Tsinghua University,MIT-IBM Watson AI Lab,DeepMind, basado en United States of America, una organización categorizada como academia,Academia,Academia,Industry,Industry.
Neuro-Symbolic Concept Learner— ¿cuándo fue lanzado?
Se publicó en April 2019. 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.
Neuro-Symbolic Concept Learner— ¿Para qué se utiliza?
Funciona en el dominio de Vision, Language, y se registra como manejando la tarea de visual question answering, Semantic segmentation. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
Neuro-Symbolic Concept Learner— ¿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.