improved U-Net for chest X-ray images segmentation
Nincs becslés
Nincs hardver követelmény ennek a modellnek
A modellhez tartozó súlyokat nem tették közzé, így nem tölthető le vagy futtatható a saját hardverén bármilyen méretben. Csak a szolgáltatóján keresztül érhető el, és egyetlen grafikus kártya sem változtat ezen..
Nyilvántartásban
Teljes specifikáció
Minden feljegyzett ezzel a modellel kapcsolatban. A legtöbbje azt írja le, hogyan képezték ki, nem pedig azt, hogyan fut — hasznos kontextus annak megítéléséhez, hogy mennyi munka ment bele, és hogyan viszonyul a más méretben épített modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- Henan University of Technology,Nanyang Central Hospital
- Szervezet típusa
- Academia,Government
- Ország
- China
- Közölt
- 23 May 2022
- Szerzők
- Wufeng Liu, Jiaxin Luo, Yan Yang, Wenlian Wang, Junkui Deng & Liang Yu
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Medicine, Vision
- Feladat
- Visual question answering, Medical diagnosis
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Képzési adatok
- 182,517,760 tokens
- Epochok
- 70
"The batch size is set to 64. Max epochs are set to 70." "image size was adjusted to 256 * 256"
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA GeForce RTX 3060,Intel Core i5-11600K
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Unknown
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Automatic lung segmentation in chest X-ray images using improved U-Net
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Honnan jött
improved U-Net for chest X-ray images segmentation ki lett adva által Henan University of Technology,Nanyang Central Hospital, az országban rögzítve mint China, alatt May 2022. Egy olyan szervezetből származik, amelyet kategorizálnak mint academia,Government.
Működik a területen a Medicine, Vision, és úgy van rögzítve, mint a feladat végrehajtása visual question answering, Medical diagnosis.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Mi került a felépítésébe
A képzés körülbelül egy korpuszt fogyasztott 182,517,760 szöveg tokenjei
Válaszok
improved U-Net for chest X-ray images segmentation — gyakori kérdések
improved U-Net for chest X-ray images segmentation— Mire használják?
Működik a területen a Medicine, Vision, és rögzítve van, hogy kezeli a feladatot visual question answering, Medical diagnosis. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
improved U-Net for chest X-ray images segmentation— Milyen GPU-ra van szükségem, hogy futtathassam?
Ez egy zárt modell — a súlyait soha nem tették közzé, így nem tölthető le és nem futtatható a saját hardverén semmilyen áron. Csak a szolgáltatóján keresztül érhető el.
improved U-Net for chest X-ray images segmentation— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
improved U-Net for chest X-ray images segmentation— Hány paramétere van?
Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.
improved U-Net for chest X-ray images segmentation— Ki készítette ezt?
Kiadta Henan University of Technology,Nanyang Central Hospital, alapján China, egy szervezet, amelyet kategorizáltak mint academia,Government.
improved U-Net for chest X-ray images segmentation— Mikor adták ki?
Kibocsátották a May 2022. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már van kártyád, és szeretnéd tudni, hogy mindent futtat-e, Kezdj a hardverből..