SC-NLM
Sin estimación
No hay requisitos de hardware para este modelo
Los pesos de este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en su propio hardware en ningún tamaño. Solo es accesible a través de su proveedor, y ninguna tarjeta gráfica lo cambia.
En registro
Especificación completa
Todo lo registrado para este modelo. La mayoría de ello describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se dedicó a ello y cómo se compara con modelos construidos a una escala diferente.
Origen
¿Quién construyó este modelo, dónde y cuándo fue publicado?
- Organización
- University of Toronto
- Tipo de organización
- Academia
- País
- Canada
- Publicado
- 10 November 2014
- Autores
- Ryan Kiros, R. Salakhutdinov, R. Zemel
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Multimodal, Vision, Language
- Tarea
- Image captioning
Tamaño
Qué tan grande es el modelo y cuántos datos se utilizaron para entrenarlo. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- 5,000,000 tokens
Our LSTM encoder and SC-NLM decoder were trained by concatenating the Flickr30K dataset with the recently released Microsoft COCO dataset [46], which combined give us over 100,000 images and over 500,000 descriptions for training
Cómo se clasifica
Etiquetas que aplica el conjunto de datos de origen al rastrear modelos notables y cuán seguro está de la entrada.
- Por qué se rastrea
- Highly cited
- Registrar confianza
- Confident
Fuentes
De dónde proviene este registro y cuándo fue revisado por última vez.
- Referencia
- Unifying Visual-Semantic Embeddings with Multimodal Neural Language Models
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
SC-NLM was published by University of Toronto, in Canada, in November 2014. The organisation is categorised as academia.
It works in Multimodal, Vision, Language, and is recorded as doing image captioning.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en otro lugar de este sitio se aplica a él.
Training and provenance
Around 5,000,000 tokens went into training it.
It is tracked in the underlying dataset for one reason in particular: highly cited.
Respuestas
SC-NLM — Preguntas frecuentes
What GPU do I need to run SC-NLM?
None. SC-NLM is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is SC-NLM open source?
The licensing for SC-NLM was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does SC-NLM have?
No parameter count has been published for SC-NLM, which is why no memory or speed figure appears on this page.
Who created SC-NLM?
SC-NLM was published by University of Toronto, based in Canada, categorised as academia.
When was SC-NLM released?
SC-NLM was published in November 2014. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is SC-NLM used for?
SC-NLM works in Multimodal, Vision, Language, and is recorded as handling image captioning. These are the areas it was designed around; they describe intent rather than a hard boundary.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posee una tarjeta y desea saber todo lo que podrá ejecutar, empiece por el hardware en su lugar.