Multi-scale Dilated CNN
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
- Princeton University,Intel Labs
- Tipo de Organización
- Academia,Industry
- País
- United States of America
- Publicado
- 23 November 2015
- Autores
- Fisher Yu, Vladlen Koltun
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 segmentation
- 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
- tokens
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
- Confianza de registro
- Unknown
- Citas
- 9,368
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Multi-Scale Context Aggregation by Dilated Convolutions
- Última actualización
- 25 May 2026
Qué significan los números
Acerca de este modelo
Multi-scale Dilated CNN fue publicado por Princeton University,Intel Labs, en el país registrado como United States of America, durante November 2015. Sale de una organización categorizada como academia,Industry.
Funciona en el dominio de Vision, y se registra como realizando la tarea de image segmentation.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Entrenamiento y procedencia
Su criterio de inclusión: highly cited.
Respuestas
Multi-scale Dilated CNN — preguntas comunes
Multi-scale Dilated CNN— ¿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.
Multi-scale Dilated CNN— ¿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.
Multi-scale Dilated CNN— ¿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.
Multi-scale Dilated CNN— ¿Quién lo creó?
Fue publicado por Princeton University,Intel Labs, basado en United States of America, una organización categorizada como academia,Industry.
Multi-scale Dilated CNN— ¿cuándo fue lanzado?
Se publicó en November 2015. 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.
Multi-scale Dilated CNN— ¿Para qué se utiliza?
Funciona en el dominio de Vision, y se registra como manejando la tarea de image segmentation. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.
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.