Deep LSTM video classifier
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 Texas at Austin,Google
- Tipo de Organización
- Academia,Industry
- País
- United States of America
- Publicado
- 1 May 2015
- Autores
- Joe Yue-Hei Ng, Matthew Hausknecht, Sudheendra Vijayanarasimhan, Oriol Vinyals, Rajat Monga, George Toderici
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Video
- Tarea
- Video
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
- 264,000,000 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
- 2,417
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Beyond Short Snippets: Deep Networks for Video Classification
- Última actualización
- 1 January 2026
Qué significan los números
De dónde vino
Deep LSTM video classifier fue publicado por University of Texas at Austin,Google, en el país registrado como United States of America, durante May 2015. La organización editora está clasificada como academia,Industry.
Funciona en el dominio de Video, y se registra como realizando la tarea de video.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Cómo fue entrenado
El conjunto de entrenamiento se ejecutó a aproximadamente 264,000,000 tokens de texto
Respuestas
Deep LSTM video classifier — preguntas comunes
Deep LSTM video classifier— ¿Para qué se utiliza?
Funciona en el dominio de Video, y se registra como manejando la tarea de video. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
Deep LSTM video classifier— ¿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.
Deep LSTM video classifier— ¿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.
Deep LSTM video classifier— ¿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.
Deep LSTM video classifier— ¿Quién lo creó?
Fue publicado por University of Texas at Austin,Google, basado en United States of America, una organización categorizada como academia,Industry.
Deep LSTM video classifier— ¿cuándo fue lanzado?
Se publicó en May 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.
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.