BatchNorm
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
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 15 June 2015
- Autores
- Sergey Ioffe, Christian Szegedy
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
- Modelo base
- GoogLeNet / InceptionV1
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
- 13.6M
- Datos de entrenamiento
- 12,441,600,000 tokens
- Épocas
- 72
"The network contains 13.6 · 106 parameters"
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
- Confident
- Citas
- 46,718
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift
- Última actualización
- 25 May 2026
Qué significan los números
Qué es este modelo
BatchNorm fue publicado por Google, en el país registrado como United States of America, durante June 2015. La categoría en la que se encuentra el editor es industry.
Funciona en el dominio de Vision, y se registra como realizando la tarea de image classification.
Su punto de partida fue un modelo base existente, GoogLeNet / InceptionV1. Por eso comparte la forma y el tamaño general del modelo base.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Qué se necesitó para construirlo
Fue entrenado en un corpus de aproximadamente 12,441,600,000 tokens de texto
Su criterio de inclusión: highly cited.
Respuestas
BatchNorm — preguntas comunes
BatchNorm— ¿Quién lo creó?
Fue publicado por Google, basado en United States of America, una organización categorizada como industry.
BatchNorm— ¿cuándo fue lanzado?
Se publicó en June 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.
BatchNorm— ¿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.
BatchNorm— ¿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.
BatchNorm— ¿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.
BatchNorm— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 13.6M. "The network contains 13.6 · 106 parameters". 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.
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.