YOLO
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
- University of Washington,Allen Institute for AI,Facebook AI Research
- Tipo de Organización
- Academia,Research collective,Industry
- País
- United States of America, France
- Publicado
- 8 June 2015
- Autores
- Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi
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
- 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.
- parámetros
- 271.7M
- Datos de entrenamiento
- tokens
Calculation based on figure 3 of the paper: 7 * 7 * 3 * 64 + 3 * 3 * 64 * 192 + 1 * 1 * 192 * 128 + 3 * 3 * 128 * 256 + 1 * 1 * 256 * 256 + 3 * 3 * 256 * 512 + 4 * (1 * 1 * 512 * 256 + 3 * 3 * 256 * 512) + 1 * 1 * 512 * 512 + 3 * 3 * 512 * 1024 + 2 * (1 * 1 * 1024 * 512 + 3 * 3 * 512 * 1024) + 4 * (3 * 3 * 1024 * 1024) + 7 * 7 * 1024 * 4096 + 4096 * 7 * 7 * 30
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
- 45,325
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- You Only Look Once: Unified, Real-Time Object Detection
- Última actualización
- 25 May 2026
Qué significan los números
Acerca de este modelo
YOLO fue publicado por University of Washington,Allen Institute for AI,Facebook AI Research, en el país registrado como United States of America, durante June 2015. La categoría en la que se encuentra el editor es academia,Research collective,Industry.
Funciona en el dominio de Vision, y se registra como realizando la tarea de object detection.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Cómo fue entrenado
Se rastrea en el conjunto de datos subyacente por una razón en particular: highly cited.
Respuestas
YOLO — preguntas comunes
YOLO— ¿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.
YOLO— ¿Para qué se utiliza?
Funciona en el dominio de Vision, y se registra como manejando la tarea de object detection. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
YOLO— ¿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.
YOLO— ¿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.
YOLO— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 271.7M. Calculation based on figure 3 of the paper: 7 * 7 * 3 * 64 + 3 * 3 * 64 * 192 + 1 * 1 * 192 * 128 + 3 * 3 * 128 * 256 + 1 * 1 * 256 * 256 + 3 * 3 * 256 * 512 + 4 * (1 * 1 * 512 * 256 + 3 * 3 * 256 * 512) + 1 * 1 * 512 * 512 + 3 * 3 * 512 * 1024 + 2 * (1 * 1 * 1024 * 512 + 3 * 3 * 512 * 1024) + 4 * (3 * 3 * 1024 * 1024) + 7 * 7 * 1024 * 4096 + 4096 * 7 * 7 * 30. 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.
YOLO— ¿Quién lo creó?
Fue publicado por University of Washington,Allen Institute for AI,Facebook AI Research, basado en United States of America, una organización categorizada como academia,Research collective,Industry.
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.