Restricted Boltzmann machine for Face Recognition
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 Toronto,University College London (UCL)
- Tipo de Organización
- Academia,Academia
- País
- Canada, United Kingdom of Great Britain and Northern Ireland
- Publicado
- 1 April 2001
- Autores
- Yee Whye Teh, Geoffrey E. Hinton
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Vision
- Tarea
- Face recognition
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
"Our version of the FERET database contained 1002 frontal face images of 429 individuals taken over a period of a few years under varying lighting conditions. Of these images, 818 are used as both the gallery and the training set"
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
- Confident
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Rate-coded Restricted Boltzmann Machines for Face Recognition
- Última actualización
- 28 November 2025
Qué significan los números
Acerca de este modelo
Restricted Boltzmann machine for Face Recognition fue publicado por University of Toronto,University College London (UCL), en el país registrado como Canada, durante April 2001. Sale de una organización categorizada como academia,Academia.
Funciona en el dominio de Vision, y se registra como realizando la tarea de face recognition.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Respuestas
Restricted Boltzmann machine for Face Recognition — preguntas comunes
Restricted Boltzmann machine for Face Recognition— ¿Quién lo creó?
Fue publicado por University of Toronto,University College London (UCL), basado en Canada, una organización categorizada como academia,Academia.
Restricted Boltzmann machine for Face Recognition— ¿cuándo fue lanzado?
Se publicó en April 2001. 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.
Restricted Boltzmann machine for Face Recognition— ¿Para qué se utiliza?
Funciona en el dominio de Vision, y se registra como manejando la tarea de face recognition. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
Restricted Boltzmann machine for Face Recognition— ¿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.
Restricted Boltzmann machine for Face Recognition— ¿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.
Restricted Boltzmann machine for Face Recognition— ¿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.
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.