OR-WideResNet
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
- Duke University,University of Chinese Academy of Sciences
- Tipo de Organización
- Academia,Academia
- País
- United States of America, China
- Publicado
- 7 January 2017
- Autores
- Yanzhao Zhou, Qixiang Ye, Qiang Qiu and Jianbin Jiao
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
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
- 18.2M
- Datos de entrenamiento
- 50,000 tokens
18.2M for largest OR-WideResNet model.
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Hardware de entrenamiento
- NVIDIA Tesla K80
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
- Confident
- Citas
- 285
"In Sec. 4.3, we upgrade the VGG [38], ResNet [18], and the WideResNet [45] to ORNs, and train them on CIFAR10 and CIFAR100 [22], showing the state-of-the-art performance on the natural image classification task."
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Oriented Response Networks
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
OR-WideResNet fue publicado por Duke University,University of Chinese Academy of Sciences, en el país registrado como United States of America, durante January 2017. Sale de una organización categorizada como academia,Academia.
Funciona en el dominio de Vision, y se registra como realizando la tarea de image classification.
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.
Entrenamiento y procedencia
El conjunto de entrenamiento se ejecutó a aproximadamente 50,000 tokens de texto
La razón por la que aparece en este catálogo en absoluto: sOTA improvement.
Respuestas
OR-WideResNet — preguntas comunes
OR-WideResNet— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 18.2M. 18.2M for largest OR-WideResNet model. 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.
OR-WideResNet— ¿Quién lo creó?
Fue publicado por Duke University,University of Chinese Academy of Sciences, basado en United States of America, una organización categorizada como academia,Academia.
OR-WideResNet— ¿cuándo fue lanzado?
Se publicó en January 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.
OR-WideResNet— ¿Para qué se utiliza?
Funciona en el dominio de Vision, y se registra como manejando la tarea de image classification. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
OR-WideResNet— ¿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.
OR-WideResNet— ¿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.