Deep LSTM video classifier
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
- University of Texas at Austin,Google
- Type d'organisation
- Academia,Industry
- Pays
- United States of America
- Publié
- 1 May 2015
- Auteurs
- Joe Yue-Hei Ng, Matthew Hausknecht, Sudheendra Vijayanarasimhan, Oriol Vinyals, Rajat Monga, George Toderici
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Video
- Tâche
- Video
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
- 264,000,000 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
- 2,417
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Beyond Short Snippets: Deep Networks for Video Classification
- Dernière mise à jour
- 1 January 2026
Ce que les chiffres signifient
D'où cela vient-il
Deep LSTM video classifier a été publié par University of Texas at Austin,Google, dans le pays enregistré comme United States of America, durant May 2015. L'organisation de publication est catégorisée comme academia,Industry.
Il fonctionne dans le domaine de Video, et est enregistré comme exécutant la tâche de video.
Parce que les poids ne sont pas disponibles, aucune des spécifications matérielles ailleurs sur ce site ne s'applique à cela.
Comment il a été entraîné
L'ensemble d'entraînement a duré environ 264,000,000 jetons de texte
Réponses
Deep LSTM video classifier — questions courantes
Deep LSTM video classifier— à quoi ça sert ?
Il fonctionne dans le domaine de Video, et est enregistré comme gérant la tâche de video. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
Deep LSTM video classifier— 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.
Deep LSTM video classifier— 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.
Deep LSTM video classifier— 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.
Deep LSTM video classifier— qui l'a créé ?
Il a été publié par University of Texas at Austin,Google, basé sur United States of America, une organisation catégorisée comme academia,Industry.
Deep LSTM video classifier— quand a-t-il été publié ?
Il a été publié dans May 2015. 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.