TriNet
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
- Visual Computing Institute,RWTH Aachen University
- Type d'organisation
- Academia
- Pays
- Germany
- Publié
- 21 November 2017
- Auteurs
- Alexander Hermans, Lucas Beyer, Bastian Leibe
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Video
- Tâche
- Person re-identification
- Format numérique
- FP32
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
- 509,914 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.
- Pourquoi c'est suivi
- Highly cited,Historical significance
- Confiance d'enregistrement
- Unknown
- Citations
- 3,553
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- In Defense of the Triplet Loss for Person Re-Identification
- Dernière mise à jour
- 25 May 2026
Ce que les chiffres signifient
Contexte
TriNet a été publié par Visual Computing Institute,RWTH Aachen University, dans le pays enregistré comme Germany, durant November 2017. La catégorie à laquelle appartient l'éditeur est academia.
Il fonctionne dans le domaine de Video, et est enregistré comme exécutant la tâche de person re-identification.
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.
Qu'est-ce qui a été nécessaire pour le construire
L'entraînement a consommé un corpus d'environ 509,914 jetons de texte
Son critère d'inclusion : highly cited,Historical significance.
Réponses
TriNet — questions courantes
TriNet— à quoi ça sert ?
Il fonctionne dans le domaine de Video, et est enregistré comme gérant la tâche de person re-identification. Un modèle peut porter plusieurs de chacun, donc ce sont les domaines pour lesquels il a été conçu plutôt qu'une limite sur ce qu'il tentera.
TriNet— 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.
TriNet— 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.
TriNet— 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.
TriNet— qui l'a créé ?
Il a été publié par Visual Computing Institute,RWTH Aachen University, basé sur Germany, une organisation catégorisée comme academia.
TriNet— quand a-t-il été publié ?
Il a été publié dans November 2017. 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.
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.