Spectrally Normalized GAN
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
- Preferred Networks Inc,Ritsumeikan University,National Institute of Informatics
- Tipo de Organización
- Industry,Academia
- País
- Japan
- Publicado
- 16 February 2018
- Autores
- Takeru Miyato, Toshiki Kataoka, Masanori Koyama, Yuichi Yoshida
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
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
- 2,560,000 tokens
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
- Citas
- 4,967
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Spectral Normalization for Generative Adversarial Networks
- Última actualización
- 25 May 2026
Qué significan los números
Fondo
Spectrally Normalized GAN fue publicado por Preferred Networks Inc,Ritsumeikan University,National Institute of Informatics, en el país registrado como Japan, durante February 2018. La categoría en la que se encuentra el editor es industry,Academia.
Funciona en el dominio de Image generation, y se registra como realizando la tarea de image generation.
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
Fue entrenado en un corpus de aproximadamente 2,560,000 tokens de texto
Respuestas
Spectrally Normalized GAN — preguntas comunes
Spectrally Normalized GAN— ¿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.
Spectrally Normalized GAN— ¿Quién lo creó?
Fue publicado por Preferred Networks Inc,Ritsumeikan University,National Institute of Informatics, basado en Japan, una organización categorizada como industry,Academia.
Spectrally Normalized GAN— ¿cuándo fue lanzado?
Se publicó en February 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.
Spectrally Normalized GAN— ¿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.
Spectrally Normalized GAN— ¿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.
Spectrally Normalized GAN— ¿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.
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.