RetinaNet-R50
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
- Facebook AI Research
- Type d'organisation
- Industry
- Pays
- United States of America, France
- Publié
- 7 August 2017
- Auteurs
- TY Lin, P Goyal, R Girshick, K He
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Vision
- Tâche
- Object detection
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.
- paramètres
- 34M
- Données d'entraînement
- 11,500,000,000 tokens
source: table 2 in https://arxiv.org/pdf/1911.09070.pdf
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
- Citations
- 16,437
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Focal loss for dense object detection
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
D'où cela vient-il
RetinaNet-R50 a été publié par Facebook AI Research, dans le pays enregistré comme United States of America, durant August 2017. Cela provient d'une organisation classée comme industry.
Il fonctionne dans le domaine de Vision, et est enregistré comme exécutant la tâche de object detection.
Parce que les poids ne sont pas disponibles, aucune des spécifications matérielles ailleurs sur ce site ne s'applique à cela.
Qu'est-ce qui a été nécessaire pour le construire
L'ensemble d'entraînement a duré environ 11,500,000,000 jetons de texte
La raison pour laquelle il apparaît dans ce catalogue. highly cited.
Réponses
RetinaNet-R50 — questions courantes
RetinaNet-R50— 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.
RetinaNet-R50— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 34M. source: table 2 in https://arxiv.org/pdf/1911.09070.pdf. Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-gigaoctet par milliard à la compression que la plupart des gens utilisent.
RetinaNet-R50— qui l'a créé ?
Il a été publié par Facebook AI Research, basé sur United States of America, une organisation catégorisée comme industry.
RetinaNet-R50— quand a-t-il été publié ?
Il a été publié dans August 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.
RetinaNet-R50— à quoi ça sert ?
Il fonctionne dans le domaine de Vision, et est enregistré comme gérant la tâche de object detection. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
RetinaNet-R50— 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.
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.