SRGAN
Aucune estimation
Aucun besoin matériel pour ce modèle
Les poids de ce modèle n'ont pas été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel, quelle que soit la taille. Il n'est accessible que via son fournisseur, et aucune carte graphique ne change cela.
Enregistrement terminé
Spécification complète
Tout ce qui concerne ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — contexte utile pour évaluer le travail fourni et sa comparaison avec des modèles construits à une échelle différente.
Origine
Qui a construit ce modèle, où et quand il a été publié.
- Organisation
- Type d'organisation
- Industry
- Pays
- United States of America
- Publié
- 25 May 2017
- Auteurs
- Christian Ledig, Lucas Theis, Ferenc Huszar, Jose Caballero, Andrew Cunningham, Alejandro Acosta, Andrew Aitken, Alykhan Tejani, Johannes Totz, Zehan Wang, Wenzhe Shi
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut en porter plusieurs de chacun.
- Domaine
- Vision, Image generation
- Tâche
- Image super-resolution
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui détermine s'il tient sur une carte graphique donnée.
- Données d'entraînement
- 700,000 tokens
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui décide si l'une des chiffres de carte graphique sur cette page s'applique.
- Poids
- Closed — provider access only
- Accès au modèle
- Unreleased
- Code d'entraînement
- Unreleased
Comment il est classé
Étiquettes que le jeu de données source applique lors du suivi des modèles notables, et à quel point il est confiant dans l'entrée.
- Pourquoi c'est suivi
- Highly cited
- Confiance d'enregistrement
- Unknown
- Citations
- 11,592
Sources
D'où provient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network
- Dernière mise à jour
- 1 January 2026
Ce que signifient les chiffres
Ce que ce modèle est
SRGAN was published by Twitter, in United States of America, in May 2017. industry is the category the publisher falls under.
It works in Vision, Image generation, and is recorded as doing image super-resolution.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Ce qui a contribué à sa construction
It was trained on about 700,000 tokens of text.
The reason it appears in this catalogue at all is highly cited.
Réponses
SRGAN — Questions fréquentes
What is SRGAN used for?
SRGAN works in Vision, Image generation, and is recorded as handling image super-resolution. These are the areas it was designed around; they describe intent rather than a hard boundary.
Quel GPU ai-je besoin pour exécuter SRGAN ?
None. SRGAN 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 SRGAN open source?
No. SRGAN has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does SRGAN have?
No parameter count has been published for SRGAN, which is why no memory or speed figure appears on this page.
Who created SRGAN?
SRGAN was published by Twitter, based in United States of America, categorised as industry.
When was SRGAN released?
SRGAN was published in May 2017. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
Dans l'autre sens
Regardez-la de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez connaître tout ce qu'elle pourra exécuter, commencez plutôt par le matériel.