RetinaNet-R50
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
- Facebook AI Research
- Tipo de Organización
- Industry
- País
- United States of America, France
- Publicado
- 7 August 2017
- Autores
- TY Lin, P Goyal, R Girshick, K He
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Vision
- Tarea
- 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
- 34M
- Datos de entrenamiento
- 11,500,000,000 tokens
source: table 2 in https://arxiv.org/pdf/1911.09070.pdf
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
- Highly cited
- Citas
- 16,437
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Focal loss for dense object detection
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
RetinaNet-R50 fue publicado por Facebook AI Research, en el país registrado como United States of America, durante August 2017. Sale de una organización categorizada como industry.
Funciona en el dominio de Vision, y se registra como realizando la tarea de object detection.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Qué se necesitó para construirlo
El conjunto de entrenamiento se ejecutó a aproximadamente 11,500,000,000 tokens de texto
La razón por la que aparece en este catálogo en absoluto: highly cited.
Respuestas
RetinaNet-R50 — preguntas comunes
RetinaNet-R50— ¿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.
RetinaNet-R50— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 34M. source: table 2 in https://arxiv.org/pdf/1911.09070.pdf. 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.
RetinaNet-R50— ¿Quién lo creó?
Fue publicado por Facebook AI Research, basado en United States of America, una organización categorizada como industry.
RetinaNet-R50— ¿cuándo fue lanzado?
Se publicó en August 2017. 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.
RetinaNet-R50— ¿Para qué se utiliza?
Funciona en el dominio de Vision, y se registra como manejando la tarea de 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.
RetinaNet-R50— ¿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.