ShuffleNet v2
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
- Tsinghua University,Megvii Inc
- Tipo de Organización
- Academia,Industry
- País
- China
- Publicado
- 30 June 2018
- Autores
- Ningning Ma, Xiangyu Zhang, Hai-Tao Zheng, Jian Sun
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Vision
- Tarea
- Image classification, Object detection
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.
- parámetros
- 2.3M
- Datos de entrenamiento
- 1,280,000 tokens
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Citas
- 6,289
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design
- Última actualización
- 25 May 2026
Qué significan los números
Fondo
ShuffleNet v2 fue publicado por Tsinghua University,Megvii Inc, en el país registrado como China, durante June 2018. Sale de una organización categorizada como academia,Industry.
Funciona en el dominio de Vision, y se registra como realizando la tarea de image classification, Object detection.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Cómo fue entrenado
El conjunto de entrenamiento se ejecutó a aproximadamente 1,280,000 tokens de texto
Respuestas
ShuffleNet v2 — preguntas comunes
ShuffleNet v2— ¿Para qué se utiliza?
Funciona en el dominio de Vision, y se registra como manejando la tarea de image classification, Object detection. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
ShuffleNet v2— ¿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.
ShuffleNet v2— ¿Es de código abierto?
La licencia nunca fue registrada en nuestros datos fuente. Tratamos las licencias no declaradas como cerradas, porque una licencia no registrada no es una en la que confiar.
ShuffleNet v2— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 2.3M. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
ShuffleNet v2— ¿Quién lo creó?
Fue publicado por Tsinghua University,Megvii Inc, basado en China, una organización categorizada como academia,Industry.
ShuffleNet v2— ¿cuándo fue lanzado?
Se publicó en June 2018. 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.
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.