Bayesian object categorizer
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
- California Institute of Technology,University of Oxford
- Type d'organisation
- Academia,Academia
- Pays
- United States of America, United Kingdom of Great Britain and Northern Ireland
- Publié
- 13 October 2003
- Auteurs
- Li Fei-Fei, Rob Fergus, Pietro Perona
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Vision
- Tâche
- Image classification
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
- 0.1K
- Données d'entraînement
- 20 tokens
citation from section 2.1: In the constellation model, the dimensionality of \theta is large (~ 100)
description of Figure 1 "This dataset is obtained by collecting images through the Google image search engine (www.google.com). The keyword “things” is used to obtain hundreds of random images. "
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
- Speculative
- Citations
- 806
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- A Bayesian Approach to Unsupervised One-Shot Learning of Object Categories
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
Contexte
Bayesian object categorizer a été publié par California Institute of Technology,University of Oxford, dans le pays enregistré comme United States of America, durant October 2003. Cela provient d'une organisation classée comme academia,Academia.
Il fonctionne dans le domaine de Vision, et est enregistré comme exécutant la tâche de image classification.
Parce que les poids ne sont pas disponibles, aucune des spécifications matérielles ailleurs sur ce site ne s'applique à cela.
Entraînement et provenance
L'entraînement a consommé un corpus d'environ 20 jetons de texte
Réponses
Bayesian object categorizer — questions courantes
Bayesian object categorizer— quand a-t-il été publié ?
Il a été publié dans October 2003. 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.
Bayesian object categorizer— à quoi ça sert ?
Il fonctionne dans le domaine de Vision, et est enregistré comme gérant la tâche de image classification. 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.
Bayesian object categorizer— 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.
Bayesian object categorizer— 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.
Bayesian object categorizer— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 0.1K. citation from section 2.1: In the constellation model, the dimensionality of \theta is large (~ 100). 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.
Bayesian object categorizer— qui l'a créé ?
Il a été publié par California Institute of Technology,University of Oxford, basé sur United States of America, une organisation catégorisée comme academia,Academia.
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.