Spectrally Normalized GAN
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle n'ont pas été publiés, donc il ne peut pas être téléchargé ou exécuté sur votre propre matériel à aucune taille. Il n'est accessible que par l'intermédiaire de son fournisseur, et aucun changement de carte graphique ne modifie cela..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- Preferred Networks Inc,Ritsumeikan University,National Institute of Informatics
- Type d'organisation
- Industry,Academia
- Pays
- Japan
- Publié
- 16 February 2018
- Auteurs
- Takeru Miyato, Toshiki Kataoka, Masanori Koyama, Yuichi Yoshida
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Image generation
- Tâche
- Image generation
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- Données d'entraînement
- 2,560,000 tokens
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Confiance d'enregistrement
- Unknown
- Citations
- 4,967
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Spectral Normalization for Generative Adversarial Networks
- Dernière mise à jour
- 25 May 2026
Ce que les chiffres signifient
Contexte
Spectrally Normalized GAN a été publié par Preferred Networks Inc,Ritsumeikan University,National Institute of Informatics, dans le pays enregistré comme Japan, durant February 2018. La catégorie à laquelle appartient l'éditeur est industry,Academia.
Il fonctionne dans le domaine de Image generation, et est enregistré comme exécutant la tâche de image generation.
Ses poids n'ont jamais été publiés, donc il ne peut être atteint que par son fournisseur. Aucun changement de carte graphique ne change cela.
Comment il a été entraîné
Il a été entraîné sur un corpus d'environ 2,560,000 jetons de texte
Réponses
Spectrally Normalized GAN — questions courantes
Spectrally Normalized GAN— combien de paramètres cela a-t-il ?
Aucun nombre de paramètres n'a été publié pour cela, c'est pourquoi aucun chiffre de mémoire ou de vitesse n'apparaît sur cette page.
Spectrally Normalized GAN— qui l'a créé ?
Il a été publié par Preferred Networks Inc,Ritsumeikan University,National Institute of Informatics, basé sur Japan, une organisation catégorisée comme industry,Academia.
Spectrally Normalized GAN— quand a-t-il été publié ?
Il a été publié dans February 2018. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.
Spectrally Normalized GAN— à quoi ça sert ?
Il fonctionne dans le domaine de Image generation, et est enregistré comme gérant la tâche de image generation. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.
Spectrally Normalized GAN— Quelle GPU ai-je besoin pour l'exécuter ?
Aucun. C'est un modèle fermé - ses poids n'ont jamais été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel à aucun prix. Il n'est accessible que par son fournisseur.
Spectrally Normalized GAN— est-ce que c'est open source ?
La licence n'a jamais été enregistrée dans nos données source. Nous considérons une licence non déclarée comme fermée, car une licence non enregistrée n'est pas une licence sur laquelle compter.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.