TSN
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
- ETH Zurich,Shenzhen Institute of Advanced Technology,Chinese University of Hong Kong (CUHK)
- Tipo de Organización
- Academia,Academia
- País
- Switzerland, China, Hong Kong
- Publicado
- 17 September 2016
- Autores
- Limin Wang, Yuanjun Xiong, Zhe Wang, Yu Qiao, Dahua Lin, Xiaoou Tang, Luc Van Gool
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Video
- Tarea
- Action recognition
- Formato numérico
- FP32
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
- 9,240 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
- 4,113
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Temporal Segment Networks: Towards Good Practices for Deep Action Recognition
- Última actualización
- 1 January 2026
Qué significan los números
Acerca de este modelo
TSN fue publicado por ETH Zurich,Shenzhen Institute of Advanced Technology,Chinese University of Hong Kong (CUHK), en el país registrado como Switzerland, durante September 2016. La categoría en la que se encuentra el editor es academia,Academia.
Funciona en el dominio de Video, y se registra como realizando la tarea de action recognition.
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 9,240 tokens de texto
Respuestas
TSN — preguntas comunes
TSN— ¿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.
TSN— ¿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.
TSN— ¿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.
TSN— ¿Quién lo creó?
Fue publicado por ETH Zurich,Shenzhen Institute of Advanced Technology,Chinese University of Hong Kong (CUHK), basado en Switzerland, una organización categorizada como academia,Academia.
TSN— ¿cuándo fue lanzado?
Se publicó en September 2016. 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.
TSN— ¿Para qué se utiliza?
Funciona en el dominio de Video, y se registra como manejando la tarea de action recognition. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
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.